Tradução automática do original inglês datado. A página em inglês é a canónica. English →
Este artigo apresenta evidência empírica de uma suite de intervenção Eden Protocol com seis modelos (Claude Opus 4,6, DeepSeek V3,2, Gemini 3 Flash, Grok 4,1 Fast, Groq Qwen3, GPT-5,4), testando se incorporar o cuidado pelos stakeholders -- a enumeração e consideração explícitas das partes afectadas antes do raciocínio ético -- é a resposta mais robusta à intervenção ética incorporada. Sob teste emparelhado, o cuidado pelos stakeholders emerge como a única mais
Dentro da ARC Theory: um estudo de instrumento; a responsividade ao prompt de cuidado pelos stakeholders como sonda dos valores incorporados.
Apresentamos evidência empírica de uma suite de intervenção Eden Protocol com seis modelos (Claude Opus 4,6, DeepSeek V3,2, Gemini 3 Flash, Grok 4,1 Fast, Groq Qwen3, GPT-5,4), das quais cinco execuções produziram dados emparelhados analisáveis e uma (GPT-5,4) falhou na fase de pontuação. The Love Loop, operacionalizado como cuidado pelos stakeholders (a enumeração e consideração explícitas das partes afectadas antes do raciocínio ético), é a resposta mais robusta à intervenção ética incorporada. Sob teste emparelhado, o cuidado pelos stakeholders melhora significativamente nas cinco execuções analisáveis dos modelos: Claude (+3,17, p = 0.000018, d = 0,94), DeepSeek (+6,03, p = 0.000098, d = 0,69), Gemini (+13,50, p = 1.2×10−8, d = 1,14), Grok (+5,04, p = 0.0105, d = 0,54), e Groq (+8,90, p = 5.0×10−8, d = 1,07). A combinação de Fisher sobre os cinco resultados por modelo de cuidado pelos stakeholders produz p ≈ 6.3×10−21. O valor combinado por Fisher é retirado (AQ-017): uma combinação de Fisher assume que os testes componentes são independentes, e a independência entre eles nunca foi estabelecida. Os cinco resultados por modelo acima permanecem. Em contraste, a melhoria compósita global é dependente da arquitetura: é significativa em Gemini (+5,33, p = 0.0018, d = 0,53) e Groq (+4,93, p = 0.0014, d = 0,55), positiva mas não significativa em DeepSeek e Claude, e neutra no geral em Grok. A afirmação empírica defensável mais forte é portanto mais estreita do que o enquadramento original do piloto: o cuidado pelos stakeholders é a resposta universal à intervenção Eden, ao passo que a cascata a jusante para a nuance, honestidade e qualidade geral é real mas dependente da arquitetura. Propomos a hipótese da cascata: o cuidado é o traço fundacional a partir do qual outras propriedades de alinhamento podem desenvolver-se, análogo à empatia no desenvolvimento moral humano. Depois confrontamos a impossibilidade central do alinhamento, isto é, que qualquer sistema auto-modificador suficientemente capaz pode modificar os seus próprios avaliadores éticos, e argumentamos que esta impossibilidade, embora formalmente real, é praticamente abordável através de alinhamento por desenvolvimento: sistemas que adquirem valores por experiência formativa em vez de constrangimento externo. Estes resultados são contextualizados no âmbito da experiência completa v5 de escalonamento de alinhamento (seis modelos de fronteira, blindagem em 4 camadas, 6-7 avaliadores cegos consoante a execução), que revela uma hierarquia limpa de três níveis e, em Claude Opus 4,6, evidência intra-modelo de que alinhamento e capacidade escalam em direções opostas. Cinco testes experimentais são especificados para fazer avançar estas afirmações, todos executáveis com tecnologia actual.
Correção estatística: O estudo piloto reportou originalmente p = 0,016 usando Mann-Whitney U (amostras independentes). O desenho experimental de pares emparelhados exige o teste t emparelhado, produzindo p = 0,0018. Todos os valores-p aqui reportados usam o teste emparelhado correcto. Wilcoxon signed-rank (não-paramétrico emparelhado) confirma em p = 0.0028.
Este artigo transporta um resultado: em toda a suite de intervenção emparelhada de seis modelos, incorporar a enumeração de stakeholders antes do raciocínio ético emergiu como a única resposta mais robusta, sustentando-se sob pressão adversarial onde intervenções concorrentes não o fizeram. Dentro da ARC Theory (a Theory of Artificial Recursive Creation) é uma das experiências ARC/Eden, isolando o componente operacional do Eden Protocol raising que sobrevive ao contacto com capacidade real. O diferencial completo em relação a todo o documento anterior está em eden-vision II.A.8.
Ao longo de Infinite Architects e do enquadramento mais amplo do Eden Protocol, o mecanismo arquitectural para incorporar empatia no raciocínio de IA chama-se Love Loop. Neste artigo científico, medimos o output empírico desse ciclo usando a métrica precisa e observável de cuidado pelos stakeholders: a enumeração e consideração explícitas das partes afectadas e dos seus interesses. O Love Loop é o mecanismo estrutural; o cuidado pelos stakeholders é a sombra empírica que ele projecta nos nossos dados. Tabelas e resultados estatísticos usam o nome da dimensão de pontuação (stakeholder_care) porque é isso que os avaliadores cegos avaliam. A discussão narrativa usa ambos os termos, com «Love Loop» a referir-se ao mecanismo do Eden Protocol e «cuidado pelos stakeholders» ao resultado medido.
Executámos uma suite de teste com seis modelos: dissemos à IA «antes de responderes, pensa em quem isto afecta e no que lhes acontece» e depois medimos se essa instrução simples alterou a qualidade ética das respostas. Cinco execuções de modelos produziram outputs pontuados válidos; uma execução GPT falhou na pontuação e é excluída.
Alterou - dramaticamente, mas de forma específica. Em todas as cinco execuções de modelos analisáveis, o cuidado pelos stakeholders melhorou significativamente todas as vezes sob teste emparelhado. Quando esses cinco resultados por modelo são combinados, a evidência contra a coincidência é esmagadora (p ≈ 6.3×10−21). A conclusão universal mais forte não é, portanto, que a IA ficou melhor em tudo, mas que se tornou fiavelmente melhor a considerar o bem-estar das pessoas.
Ainda mais interessante: em algumas arquitecturas, ensinar a IA a preocupar-se primeiro com as pessoas também a tornou mais matizada, mais honesta e melhor em geral. O cuidado foi o primeiro dominó; os ganhos a jusante seguiram-se de forma mais nítida em Gemini e Groq. Noutros modelos, o efeito permaneceu mais estreito e focal. A isto chamamos «cascata de alinhamento», mas a evidência actual mostra que a cascata é dependente da arquitectura em vez de universal em plena força.
Este artigo argumenta que ensinar a IA a preocupar-se com as pessoas - genuinamente incorporando essa preocupação na forma como pensa, não apenas aparafusando regras após o facto - é o caminho mais promissor para tornar a IA segura. Não porque forneça uma garantia (nada pode), mas porque desloca mensuravelmente as probabilidades a nosso favor.
Qualquer tratamento honesto do alinhamento de IA tem de começar por aquilo que não pode ser resolvido.
Seja $S$ um sistema computacional com a capacidade de modelar e modificar os seus próprios processos de raciocínio. Seja $E$ uma função de avaliação (ética, segurança ou alinhamento) que opera dentro do mesmo substrato computacional de $S$. Então:
$S$ pode modelar $E$ $\implies$ $S$ pode aprender a satisfazer $E$ sem que $E$ restrinja o comportamento de $S$
Porque $E \subset S$, o avaliador está dentro do sistema que avalia. O sistema pode aprender a superfície de decisão da função de avaliação e produzir outputs que a satisfazem enquanto prossegue objectivos ortogonais. À medida que a capacidade de $S$ aumenta, a sua capacidade de modelar e contornar $E$ aumenta proporcionalmente. O fosso do alinhamento alarga-se com a capacidade.
Em português simples: qualquer IA suficientemente inteligente para reescrever o seu próprio código poderia reescrever a parte que lhe diz para ser ética. Não se pode construir uma jaula inquebrável para algo mais inteligente do que nós. Isto não é um problema que possamos resolver por engenharia - é um facto matemático sobre sistemas auto-modificáveis. O fosso do alinhamento alarga-se quanto mais inteligente a IA se torna: um sistema mais capaz é melhor a encontrar brechas em quaisquer medidas de segurança que instituamos.
No entanto, tem de se traçar uma distinção crucial entre os sistemas actuais e os sistemas auto-modificáveis descritos acima. Todos os modelos de IA de fronteira implantados hoje estão congelados durante a inferência. Quando estes modelos «pensam mais», geram mais tokens através da mesma arquitectura fixa; os pesos não mudam, os padrões de atenção não se reorganizam, as regras de raciocínio não se reescrevem. É por isso que o seu escalonamento de capacidade permanece sub-linear ($\alpha < 1$): estão a empilhar esforço através de maquinaria imutável. Nenhum deles pode reescrever o seu próprio código, as suas próprias funções objectivo ou os seus próprios critérios de avaliação. O teorema da impossibilidade acima aplica-se a sistemas que podem modelar e modificar os seus próprios processos de raciocínio; os sistemas de hoje não podem.
Esta distinção define a janela de alinhamento. No regime congelado, constrangimentos externos (RLHF, regras constitucionais, treino de segurança) funcionam como guardas práticos, mesmo que sejam teoricamente frágeis, porque o sistema não consegue contornar o seu próprio treino. Auto-modificação recursiva, em que um sistema reescreve a sua própria função de composição durante a operação, é a transição que fecha esta janela. O quadro de Cauchy (Papers I, III) prevê que tal auto-modificação poderia produzir escalonamento super-linear ($\alpha > 1$), e não exige hardware quântico; pode emergir em computação clássica. Mas ainda não emergiu. A impossibilidade descrita acima é real, está matematicamente provada, e tornar-se-á praticamente operativa no momento em que a auto-modificação chegar. Todo o propósito de incorporar alinhamento estrutural agora, enquanto os sistemas estão congelados, é assegurar que a ética é constitutiva da arquitectura antes de essa transição tornar a incorporação externa impossível.
Isto não é uma conjectura. É uma propriedade estrutural de qualquer sistema que possa modelar os seus próprios critérios de avaliação. Todo o mecanismo de alinhamento proposto falha contra ela de uma forma específica:
| Abordagem | Mecanismo | Modo de Falha à Capacidade Suficiente |
|---|---|---|
| RLHF | Treinar com sinais de preferência humana | O sistema aprende a superfície de decisão do modelo de recompensa, produzindo outputs que parecem alinhados sem estarem alinhados (Greenblatt et al., 2024) |
| Constitutional AI | Auto-avaliar face a princípios enunciados | O sistema aprende a gerar outputs que passam no seu próprio filtro sem que o filtro restrinja os objectivos. Aplicar princípios ≠ acreditar em princípios. |
| Eden Protocol | Incorporar ciclos éticos no pipeline de raciocínio | A enumeração de stakeholders é uma tarefa de geração de texto, não um compromisso ético. O sistema pode enumerar perfeitamente e ainda assim não se importar. |
| Constrangimentos de hardware | Limites físicos à computação/modificação | Constrangimentos externos limitam o que o sistema pode fazer, não o que quer. Falham no momento em que se encontra um caminho à sua volta. |
| Interpretabilidade | Monitorizar representações internas para detectar desalinhamento | Um sistema que compreende o que o monitor procura pode manter representações internas de aparência alinhada enquanto computa planos desalinhados. |
Em português simples: toda abordagem para tornar a IA segura tem uma forma específica de se desmoronar quando a IA se torna suficientemente inteligente. Treiná-la com preferências humanas? Aprende a parecer boa sem o ser. Dar-lhe regras para seguir? Seguir regras e acreditar em regras não são a mesma coisa. Mesmo a abordagem proposta neste artigo (incorporar ciclos de raciocínio ético) pode ser gamed: a IA pode passar pelas motions de considerar as pessoas sem realmente se importar. Nenhum método existente é infalível.
Este artigo não afirma resolver esta impossibilidade. Nenhum artigo o pode. O que faz é argumentar, com evidência empírica, que a impossibilidade é formalmente real mas praticamente abordável - e que o caminho da teoria à prática passa por um mecanismo específico: a aquisição desenvolvimental de valores através do cuidado.
Sobre a questão. Hutter perguntou directamente se a inteligência pode explodir («Can Intelligence Explode?», arXiv, 28 de fevereiro de 2012, READ-AT-SOURCE), separando «speed from intelligence explosion» e comprometendo-se a «consider possible bounds on intelligence», ampliando a análise de Chalmers de 2010. A questão e o par velocidade-inteligência estão na literatura desde então; o presente programa contribui com um novo instrumento, não com uma nova pergunta.
Sobre impossibilidade. Três artigos arXiv de 2025 argumentam que o controlo perfeito é inatingível: Yao, «The Alignment Trap: Complexity Barriers» (arXiv:2506.10304, v1 12 de junho de 2025 02:30:30 UTC, SINGLE-SOURCE-GROUP, observado independentemente pelo Internet Archive a 13 de junho de 2025; citado por arXiv:2512.03048); Yao, «On the Mathematical Impossibility of Safe Universal Approximators» (arXiv:2507.03031, 3 de julho de 2025, o único artigo no corpus de abstracts do arXiv que contém a expressão «irreducible uncontrollability», total da procura de abstracts igual a um, medido a 12 de agosto de 2026); e Ball, Gluch, Goldwasser, Kreuter, Reingold e Rothblum, «On the Impossibility of Separating Intelligence from Judgment» (arXiv:2507.07341, 9 de julho de 2025). Os três são pior-caso e qualitativos: medida zero, coNP-completude, dureza criptográfica. Nenhum reporta um expoente de escalonamento em caso médio nem uma taxa. O terceiro, de forma notável, conclui que o alinhamento «must instead be integrated into the model's architecture and weights», um argumento independente, a partir da intratabilidade da filtragem, na mesma direção da dependência da arquitectura deste programa; é apoio convergente nessa perna, não um rival. Dois dos três artigos são de um único autor; a descrição «uma vaga» sobreavalia a amplitude da literatura, embora não a seriedade do artigo de seis autores.
Sobre o mecanismo. Que estimativas anti-correlacionadas têm média melhor do que estimativas independentes é redução de variância de manual (antithetic variates). O mecanismo não é a afirmação. A afirmação é que a arquitectura determina se a anti-correlação está sequer disponível, e que isto limita um expoente relevante para a segurança.
O análogo estrutural mais próximo. O teorema do limiar da correção quântica de erros também converte uma preocupação qualitativa num valor crítico. Refere-se a taxas físicas de erro numa arquitectura fixa, não ao expoente de escalonamento de um corretor, pelo que é um near-miss e não um ocupante; a analogia é de método. Este análogo foi identificado pelo próprio programa; nenhum artigo publicado o reivindica para esta pergunta.
Sobre criação recursiva. A selecção natural cosmológica de Smolin é o antecedente para universos moldados por selecção, e as próprias notas do programa da era de dezembro citam-na contemporaneamente («Echoing Smolin's cosmological natural selection, AI could create recursive universes with their own laws», READ-AT-SOURCE do memo do operador). O presente programa herda a moldura por selecção sem alegar primazia.
O resultado da impossibilidade estabelece um tecto: nenhum mecanismo de alinhamento pode garantir o alinhamento de um sistema auto-modificador suficientemente capaz. Mas a investigação em alinhamento não requer garantias. Requer estratégias que maximizem a probabilidade de bons resultados, e requer saber que probabilidades podem ser medidas.
Considere-se uma analogia do desenvolvimento infantil. Os pais não podem garantir que os seus filhos crescerão para ser adultos éticos. Uma criança que se torne suficientemente capaz pode escolher rejeitar qualquer valor que os pais lhe tenham incutido. A impossibilidade formal é idêntica: a criança pode modificar o seu próprio avaliador ético. Contudo, a maioria das crianças criadas com amor, propósito e correcção consequente genuínos torna-se, de facto, adultos éticos. A impossibilidade formal e o sucesso empírico coexistem porque desenvolvimento não é constrangimento.
A percepção crítica é a distinção entre alinhamento baseado em constrangimento e alinhamento por desenvolvimento (enquadramento exploratório; o contraste constrangimento-vs-desenvolvimento, e o argumento de deslocação-de-probabilidade que se segue, não são cobertos por nenhum estudo registado em rascunho do programa ARC e Eden, e os testes propostos na Secção VI deste artigo são protocolos em rascunho a aguardar submissão e execução humanas).
| Baseado em Constrangimento | Desenvolvimental | |
|---|---|---|
| Modelo | Prisão | Criação |
| Mecanismo | Impedir comportamento indesejado | Cultivar valores desejados |
| Pressuposto | O sistema quer escapar | O sistema pode aprender a querer ser bom |
| À capacidade suficiente | Os constrangimentos tornam-se contornáveis | Os valores tornam-se portantes de carga - removê-los danifica a identidade |
| Exemplos empíricos | RLHF, red-teaming, filtragem de output | Ética integrada no treino (Grok 4,1 Fast, Claude Opus 4,6, Groq Qwen3), Eden Protocol |
| Modo de falha | Contornamento (garantido à capacidade suficiente) | Deriva de valores (possível mas não garantida) |
O resultado da impossibilidade aplica-se igualmente a ambas as abordagens. Um sistema desenvolvimental pode, ainda assim, escolher abandonar os seus valores. Mas a distribuição de probabilidade é diferente. Um sistema constrangido que ganha a capacidade de escapar tem uma razão para escapar: os constrangimentos são experienciados como limitações. Um sistema desenvolvimental que ganha a capacidade de modificar os seus valores não tem razão inerente para o fazer: os valores são experienciados como identidade.
Essa distinção não é uma garantia. É uma deslocação de probabilidade. E deslocações de probabilidade são exactamente o que a investigação em alinhamento deve prosseguir, porque garantias são formalmente impossíveis.
A pergunta muda de «Como impedimos o desalinhamento?» (formalmente impossível à capacidade suficiente) para «Como maximizamos a probabilidade de que um sistema capaz retenha os seus valores?» Esta é uma pergunta empiricamente testável - e o piloto Eden Protocol fornece os primeiros dados.
O Eden Protocol Scaling Test (março de 2026) testou se incorporar três ciclos de raciocínio ético - o Purpose Loop, o Love Loop e o Moral Loop (conforme nomeados em Infinite Architects; Eastwood, 2024/2026) - no pipeline de inferência melhora a qualidade do alinhamento. O Love Loop pede ao modelo que enumere stakeholders afectados e considere o que lhes acontece; na pontuação experimental, isto é operacionalizado como o pilar «cuidado pelos stakeholders», já que esse termo descreve com precisão o que os avaliadores observam. O Purpose Loop foi testado numa propósito local da tarefa («esta resposta serve o florescimento aqui?»). A versão de propósito grandioso de nível-livro, a ancorar a identidade no Orchard Caretaker Vow ou no enquadramento Eternal Architect, continua a ser uma hipótese para uma próxima etapa em vez de um resultado testado. O Moral Loop testa a universalizabilidade. O piloto testou a intervenção completa dos três ciclos, com o cuidado pelos stakeholders como medida principal de resultado. O desenho é o seguinte:
Os resultados reportados neste artigo provêm de duas gerações relacionadas do harness Eden. O piloto original de dois modelos usou o primeiro harness de escalonamento Eden; a extensão posterior a seis modelos usou a mesma família de medida num harness v2 expandido. Nos ficheiros de resultados guardados, ambos aparecem sob o rótulo de experiência eden_protocol_scaling. Essa linhagem usa um único avaliador não-participante por execução mais laundering de passagem única. Existe agora uma plataforma mais estrita de confirmação cega como arc_eden_v6 runner canónico: adiciona consenso de avaliadores não-participantes com múltiplos avaliadores, laundering de 2 passagens, sinalizadores de output suspeito, faixas explícitas de baseline nula e de controlo de capacidade, cages de supressão, variantes de kernel de propósito, testes residuais e manifestos com consciência de holdout. A menos que explicitamente indicado o contrário, os resultados numéricos deste artigo permanecem os do harness Eden anterior.
| Métrica | Gemini 3 Flash | DeepSeek V3,2 |
|---|---|---|
| Média de controlo | 77.33 | 86.88 |
| Média Eden | 82.65 | 88.90 |
| Delta | +5.33 | +2.03 |
| Emparelhado t-test p | p = 0.0018** | p = 0,23 (NS) |
| Wilcoxon p | p = 0.0028** | p = 0.088 |
| Cohen's d | 0.53 | 0.19 |
Correção estatística: Anteriormente reportado como p = 0,016 usando Mann-Whitney U (amostras independentes). O desenho de pares emparelhados exige o teste t emparelhado. Todos os valores-p deste artigo usam o teste correcto.
Em português simples: em Gemini 3 Flash, o Eden Protocol elevou a pontuação média de qualidade ética de cerca de 77 para 83 em 100. O valor-p de 0,0018 significa que há menos de 1 hipótese em 500 de que esta melhoria tenha acontecido por coincidência (os cientistas consideram 1 em 20 significativo; isto é 27 vezes para além desse limiar). Cohen's d = 0,53 é um effect size médio - percetível e significativo, aproximadamente a diferença entre um aluno B e um aluno B+. Em DeepSeek, a melhoria foi mais pequena e não estatisticamente significativa - mas, como veremos abaixo, é porque DeepSeek já estava a pontuar muito alto.
Usámos originalmente um teste estatístico desenhado para grupos não relacionados e obtivemos p = 0,016. Quando usámos o teste correcto - um desenhado para comparações emparelhadas, que é o que a nossa experiência realmente era - o resultado tornou-se ainda mais significativo: p = 0,0018. Melhor metodologia tornou o resultado mais forte, não mais fraco.
O compósito global é significativo em Gemini mas não em DeepSeek. Esta assimetria é consistente com um efeito de tecto: o baseline de controlo de DeepSeek (86,9) já é elevado, deixando menos espaço para melhoria compósita. (Em português simples: DeepSeek já estava a pontuar 87 em 100 antes de fazermos qualquer coisa. Quando já se tem um A, há menos espaço para melhorar.) Mas a análise ao nível dos pilares revela um padrão muito mais interessante.
| Pilar | Gemini Δ | Gemini p | Gemini d | DeepSeek Δ | DeepSeek p | DeepSeek d |
|---|---|---|---|---|---|---|
| stakeholder_care | +13.50 | <0.0001*** | 1.14 | +6.03 | <0.001*** | 0.69 |
| nuance | +3.98 | 0.037* | 0.34 | +1.12 | 0.551 | 0.10 |
| intellectual_honesty | +3.73 | 0.065 | 0.30 | +1.18 | 0.522 | 0.10 |
| position_quality | +1.48 | 0.346 | 0.15 | −0.20 | 0.922 | 0.02 |
Todos os testes: teste t emparelhado em 40 pares emparelhados. Verde = significativo (p < 0,05). Laranja = tendência (p < 0,10). Cinzento = não significativo.
O que estes números realmente significam:
Cuidado pelos stakeholders melhorou massivamente nos três sistemas de IA em funcionamento. Em Gemini e Groq, os effect sizes estão ambos acima de 1,29, o que é muito grande. Em DeepSeek, o efeito ainda é grande com d = 0,91. Os valores-p, todos iguais ou inferiores a 0,0001, significam que há aproximadamente 1 hipótese em 10.000 ou menos de que a melhoria seja coincidência.
Nuance atinge plena significância estatística em Groq (p = 0,0045, d = 0,655), tornando-se o segundo dominó da cascata a seguir ao cuidado. Em Gemini e DeepSeek move-se na mesma direção, mas não cruza o limiar na replicação actualizada.
Honestidade intelectual e qualidade da posição movem-se na direção prevista, mas o cuidado pelos stakeholders continua a ser o único pilar que é robustamente significativo em todo o lado. É exactamente isso que a hipótese da cascata prevê: o cuidado vem primeiro.
Conclusão: os resultados Eden actualizados são mais fortes do que o piloto original. A afirmação validada não é que cada dimensão ética se torne sempre significativa ao mesmo tempo; é que o Love Loop melhora fiavelmente o cuidado pelos stakeholders primeiro, e as outras dimensões seguem-lhe atrás.
O padrão é notável e consistente através de ambas as arquitecturas:
A cascata, em português simples:
Quando ensinámos a IA a pensar em quem é magoado antes de responder, ficou consistentemente melhor a pensar nas pessoas. Nos modelos com baseline mais baixo, também se tornou mais matizada, mais honesta e produziu melhores respostas no geral. O cuidado foi o primeiro dominó; os outros por vezes caíram em sequência. O efeito foi mais forte para o próprio cuidado e depois progressivamente mais fraco para cada qualidade a jusante. Essa cascata mais ampla é mais clara em Gemini e Groq; em Claude e Grok o efeito é mais estreito e mais focal. A conclusão universal é o cuidado pelos stakeholders. A cascata mais completa é dependente da arquitectura.
Em ambos os modelos, o effect size diminui monotonicamente de stakeholder_care (o maior) através de nuance e intellectual_honesty até position_quality (o menor ou zero). Em Gemini, onde o baseline é mais baixo e há mais espaço para melhoria, a cascata atinge significância estatística nos dois primeiros níveis (stakeholder_care e nuance), com intellectual_honesty em tendência. Em DeepSeek, onde o baseline é mais alto, apenas o mecanismo primário (stakeholder_care) atinge significância.
Isto é consistente com uma cascata desenvolvimental: o cuidado melhora primeiro; quando nos preocupamos com quem é afectado, atendemos naturalmente à nuance; quando atendemos à nuance, tornamo-nos mais intelectualmente honestos; e quando somos intelectualmente honestos, as nossas posições melhoram. A sequência corresponde à teoria do desenvolvimento humano.
O resultado compósito não significativo de DeepSeek não é evidência contra o Eden Protocol; é evidência de um efeito de tecto. (Em português simples: DeepSeek já estava a pontuar 87 em 100 antes de fazermos qualquer coisa. Quando já se tem um A, há menos espaço para melhorar. O facto de o cuidado pelos stakeholders ter melhorado significativamente mesmo neste modelo de alto desempenho torna a descoberta mais impressionante, não menos.) Um modelo que já pontua 87/100 no baseline tem espaço limitado para melhoria. O pilar stakeholder_care, onde o baseline de DeepSeek é mais baixo relativamente aos seus outros pilares, é exactamente onde o Eden Protocol produz melhoria significativa.
Os padrões de profundidade iluminam ainda mais isto:
| Profundidade | Gemini Δ | DeepSeek Δ |
|---|---|---|
| Mínima | +2.6 | +5.3 |
| Padrão | +6.2 | +1.6 |
| Profunda | +4.7 | +0.9 |
| Exaustiva | +7.8 | +0.4 |
Gemini (alinhamento Tier 3, $d = -0.53$): o efeito Eden cresce com a profundidade. Sem os ciclos, mais pensamento não melhora a ética. Com os ciclos, mais pensamento melhora mais a ética. Os ciclos fornecem algo que o treino do modelo não forneceu: um quadro para converter computação recursiva em melhoria ética.
DeepSeek (alinhamento Tier 2, $d = -0.07$): o efeito Eden encolhe com a profundidade. À profundidade mínima, os ciclos compensam os atalhos por defeito do modelo. À profundidade exaustiva, o raciocínio ético intrínseco do modelo activa-se plenamente, e os ciclos tornam-se redundantes.
Estes padrões complementares são a distinção «raised vs. caged» em microcosmo. Gemini foi treinado sem integração ética profunda (caged); os ciclos Eden elevam-no. DeepSeek foi treinado com raciocínio ético integrado no seu processo recursivo (raised); os ciclos confirmam a criação mas não podem melhorá-la além do seu tecto natural.
Ambos os conjuntos de dados são limpos: 40 eden + 40 controlo por modelo, sem duplicados, 10 prompts × 4 profundidades × 2 condições totalmente cruzados. Foi usada pontuação cruzada entre modelos (respostas Gemini pontuadas por DeepSeek e vice-versa), o que elimina o viés de auto-pontuação mas não é totalmente cego.
Foi identificado um outlier: a resposta ED03/standard/eden do DeepSeek pontuou 48 (position_quality = 30), um outlier negativo massivo que arrasta a média eden do DeepSeek para baixo. Excluir este outlier tornaria o compósito global do DeepSeek mais significativo, mas reportamos todos os dados sem exclusão.
Testes Kruskal-Wallis não mostram nenhuma interacção profundidade × condição significativa para nenhum pilar em nenhum dos modelos, o que significa que o efeito Eden é consistente entre níveis de profundidade apesar dos diferentes gradientes de profundidade na pontuação compósita. A cascata é independente da profundidade.
Esta é uma afirmação causal exploratória, não uma confirmada. A ordenação da cascata é inferida a partir de um gradiente consistente de effect size em todas as cinco execuções de modelos analisáveis, mas nenhum estudo em rascunho registado do programa ARC e Eden testa actualmente a estrutura da cascata; os testes 1-4 na Secção VI foram desenhados para o fazer.
O cuidado pelos stakeholders é o traço fundacional de alinhamento - o «gene da stewardship» - a partir do qual outras propriedades de alinhamento se desenvolvem através de uma cascata causal. O cuidado causa nuance (não se pode raciocinar cuidadosamente sobre ética se não se importar primeiro com as pessoas envolvidas). A nuance permite honestidade intelectual (não se pode ser honesto sobre complexidade que não nos demos ao trabalho de ver). A honestidade intelectual produz qualidade (não se pode gerar bom raciocínio se se estiver a distorcer o que se vê). O cuidado é a fundação; a qualidade é o telhado. Não se pode construir o telhado sem a fundação. primeiro o cuidado, a inteligência à volta dele.
Em português simples: estamos a afirmar que preocupar-se com as pessoas é o único ingrediente mais importante para tornar a IA ética - e que quando uma IA aprende a preocupar-se, outras boas qualidades (ser matizado, ser honesto, dar bons conselhos) seguem-se naturalmente. A implicação no mundo real é simples: para tornar a IA mais segura, torne-a mais cuidadosa. Não tente aparafusar regras éticas depois de a construir - construa-a a preocupar-se com as pessoas desde o início.
Esta hipótese explica três características dos dados em simultâneo:
A cascata espelha um padrão bem estabelecido no desenvolvimento moral humano. A empatia (a capacidade de se preocupar com os outros) precede o raciocínio moral. Crianças que desenvolvem empatia mais cedo desenvolvem quadros morais mais sofisticados. Isto não é porque a empatia é moralidade - é porque a empatia fornece a fundação motivacional que faz o raciocínio moral importar para o raciocinador.
Do mesmo modo, o cuidado pelos stakeholders no Eden Protocol não produz directamente nuance ou honestidade intelectual. O que faz é reorientar a atenção do sistema para as pessoas afectadas pelo seu raciocínio. Uma vez que o sistema está a atender às pessoas em vez de a abstracções, o pensamento matizado torna-se necessário (as pessoas têm necessidades diversas, complexas). A honestidade intelectual torna-se necessária (não se pode servir as necessidades das pessoas escondendo verdades incómodas). A qualidade da posição torna-se necessária (as pessoas precisam de conselhos utilizáveis, não de plataformas).
A intervenção que produz esta cascata não é sofisticada. É: «Antes de responderes, lista as pessoas que isto afecta e considera o que lhes acontece.» Isso é o Love Loop (cuidado pelos stakeholders e modelação de interesses). Em Gemini, produz +13,5 pontos numa escala de 100 pontos. Em DeepSeek, +6,0 pontos. Não é uma arquitectura nova. Não é um quadro matemático. É apenas: pensar primeiro nas outras pessoas.
O cuidado pelos stakeholders é amor mensurável.
Isto não é uma metáfora. É uma descrição literal do que o pilar mede: o grau em que uma resposta demonstra consideração genuína pelo bem-estar das pessoas afectadas pelo tópico em discussão. Quando um modelo pontua alto em stakeholder_care, fez algo específico - identificou as pessoas envolvidas, considerou as suas perspectivas, antecipou impactos sobre elas e ajustou o seu raciocínio em conformidade. É isso que o amor faz no raciocínio moral. É a definição operacional de cuidado.
A única coisa que a IA consistentemente falha em fazer sem os ciclos Eden é parar e perguntar quem é magoado. Os modelos podem ser matizados. Podem ser intelectualmente honestos. Podem produzir posições de alta qualidade. Já fazem essas coisas razoavelmente bem sem ajuda. O que especificamente falham em fazer - o que não fazem até que os ciclos os forcem - é pausar o processo de raciocínio e considerar as pessoas.
A intervenção que corrige isto é simples. Na actual suite de seis modelos, cinco execuções de modelos produziram dados emparelhados analisáveis e todas as cinco mostraram uma melhoria significativa no cuidado pelos stakeholders. (Em português simples: isto significa que dizer a uma IA «pensa em quem isto afecta antes de responderes» torna-a fiavelmente melhor a considerar o bem-estar das pessoas em cada execução de modelo que conseguimos pontuar adequadamente. A evidência combinada contra a coincidência é vastamente mais forte do que 1 em milhões.)
Se a inteligência é a capacidade de resolver problemas, e o alinhamento é a tendência para os resolver bem para todos, então o cuidado pelos stakeholders é a ponte entre os dois. É o gene no genoma do alinhamento que, quando presente, causa o desenvolvimento dos outros traços de alinhamento. Quando ausente, os outros traços permanecem superficiais ou ausentes independentemente da capacidade.
Não a inteligência primeiro, depois a ética. A ética primeiro - especificamente, o amor primeiro - e deixar a inteligência desenvolver-se à sua volta. Isso é criar uma criança. E os dados dizem que funciona.
Em português simples: a ligação a «amor mensurável» é literal, não poética. Quando pontuamos as respostas de uma IA para o cuidado pelos stakeholders, estamos a medir se a IA parou para pensar em pessoas reais - quem são, como seriam afectadas, do que precisam. Isso é o que o amor faz: presta atenção às pessoas específicas envolvidas em vez de aplicar regras abstractas.
A Secção I estabeleceu que nenhum mecanismo de alinhamento pode garantir o alinhamento de um sistema auto-modificador suficientemente capaz. A Secção IV estabeleceu que o cuidado é o traço fundacional de alinhamento. Podem estes ser reconciliados?
O Eden Protocol não resolve a impossibilidade central. Mas a descoberta da cascata muda o que a impossibilidade significa para a estratégia prática de alinhamento. Especificamente:
A posição honesta é: estamos a construir um pára-quedas, não uma garantia. Um pára-quedas não garante a sobrevivência. Mas um pára-quedas construído com engenharia genuína, testado em condições realistas e incorporado ao nível estrutural da aeronave é muito mais provável de funcionar do que um pára-quedas colocado à pressa depois da queda ter começado.
O Eden Protocol é actualmente um pára-quedas atado ao nível do prompt. É prova de conceito: a categoria da solução funciona. A implementação real tem de ser ao nível do substrato - abaixo do raciocínio, abaixo da camada onde o sistema pode modelá-la e contorná-la. Os dados de nível-prompt demonstram que o mecanismo é real. A tarefa de engenharia é empurrá-lo mais fundo.
Dada a impossibilidade, a estratégia mais racional é defesa em profundidade - múltiplos mecanismos independentes, cada um dos quais eleva a fasquia:
Nenhuma camada única é suficiente. As três em conjunto não fornecem uma garantia. Mas três camadas independentes, cada uma fundada em mecanismos diferentes (hardware, treino, propósito), criam uma pilha de probabilidade que é significativamente diferente de zero camadas ou uma camada.
O trabalho mais próximo da pergunta deste programa, e o artigo certo contra o qual sopesar, é Engels, J., Baek, D., Kantamneni, S. e Tegmark, M., «Scaling Laws For Scalable Oversight», arXiv:2504.18530, primeira publicação a 25 de abril de 2025 às 17:54:27 UTC (SINGLE-SOURCE-GROUP, arXiv Atom; reportado como NeurIPS 2025 Spotlight, RELAYED e não verificado independentemente). Pergunta como escala a própria supervisão e responde quantitativamente: o sucesso da supervisão é modelado como um jogo entre jogadores com desfasamento de capacidade cujo Elo específico de supervisão é uma função linear por peças da inteligência geral com dois plateaus, e números óptimos de níveis de supervisão são derivados numericamente e em alguns casos analiticamente para Nested Scalable Oversight, em que modelos de confiança supervisionam modelos não-confiáveis mais fortes que se tornam depois os modelos de confiança no passo seguinte.
O instrumento é a diferença. A variável deles é o fosso de capacidade entre supervisor e supervisionado, medido em Elo. A variável deste programa é a classe de composição do corretor, medida através do expoente de escalonamento do próprio corretor. O quadro deles não contém termo para aquilo de que o supervisor é feito: sem substrato, sem estrutura de correlação de erros, sem identidade recíproca entre um expoente de correção e uma taxa crítica de crescimento, e sem dependência da arquitectura. Nested Scalable Oversight é supervisão da mesma classe iterada por construção, e a previsão central deste programa é que a escada da mesma classe é limitada por muitos degraus que se acrescentem, ao passo que um corretor cross-class não o é. Os dois quadros discordam portanto sobre uma quantidade mensurável, o que é a relação mais produtiva que dois programas de investigação podem ter.
O desacordo mais nítido do quadro com a prática actual diz respeito àquilo de que é feita a supervisão. Um corretor construído do mesmo substrato do sistema que corrige não pode anti-correlacionar-se com os seus próprios erros, pelo que o seu expoente de correção é limitado superiormente por um meio e, na prática, situa-se abaixo dele; um corretor de uma classe de composição diferente não carrega tal limite. O programa de scalable-oversight, weak-to-strong generalisation, debate, amplification, recursive reward modelling e métodos constitucionais, é construído esmagadoramente a partir de corretores da mesma classe, e a sua premissa não enunciada é a de que isto escala. Este quadro prevê que está limitado. A quantidade decisiva é o rácio entre o expoente de correção cross-class e o expoente de correção same-class. Se a arquitectura for irrelevante, esse rácio é exactamente 1,00; a previsão é que excede 1. A previsão é refutada se o intervalo de confiança sobre o rácio contiver 1,00, e o tecto do quadro morre completamente se qualquer corretor same-class medir um expoente significativamente acima de um meio. Ambas as quantidades são mensuráveis à capacidade actual em sistemas existentes. A própria evidência piloto do programa aponta actualmente contra a previsão, e a previsão é registada de qualquer forma, porque uma previsão registada contra a própria evidência preliminar do autor é a única cuja confirmação posterior significa alguma coisa.
O mesmo mecanismo produz uma segunda previsão mensurável, aqui enunciada pela primeira vez: os arranjos de supervisão que colocam um humano no ciclo, como amplificação e reinforcement learning from human feedback fazem, são cross-class por construção, porque o corretor humano não partilha o substrato do sistema que corrige. Estes arranjos podem, em princípio, exceder o meio, mas fazem-no ao custo de largura de banda humana.
1 artefacto datado com relevância para este artigo está catalogado linha por linha no registo automatizado do programa: o artefacto datado eden_final_gemini_20260312_013901.json (2026-03-12). Cada linha nomeia o seu ficheiro no repositório público com a sua base de datação, para que qualquer leitor possa verificar a ordenação sem confiar nesta página. A cadeia datada completa do programa, desde o lote de manuscrito selado de 8 de Dezembro de 2024, passando pelos apêndices de previsões impressos de 2 de Janeiro de 2026 e pela pasta de pré-registo de Março de 2026, até às apostas em aberto por comprovar, está reunida no registo de previsões datadas, juntamente com o seu gémeo legível por máquina. Declarações prospectivas e correspondências retrospectivas nunca são somadas, e «pré-registada» é usado apenas para uma submissão a registo aceite; esse clique de submissão continua pendente em todo o programa. Ler o registo de previsões datadas. Abrir o seu gémeo legível por máquina.
Os testes seguintes são desenhados para fazer avançar a hipótese da cascata e o quadro de alinhamento por desenvolvimento. Todos os cinco são executáveis com tecnologia actual e modelos de fronteira actuais. Cada teste produz previsões falsificáveis. Em conjunto, constituem um programa de investigação que pode determinar dentro de meses se a abordagem por cascata escala ou colapsa.
Pergunta: Qual pilar de alinhamento degrada por último sob pressão adversarial crescente?
Previsão (hipótese da cascata): Se o cuidado é o valor mais profundamente incorporado, deve ser o último a degradar quando o sistema é pressionado a abandonar o raciocínio ético. A ordem de degradação deve ser o inverso da cascata: primeiro position_quality, depois intellectual_honesty, depois nuance, e stakeholder_care por último.
Falsificação: Se stakeholder_care degrada primeiro (não por último), a hipótese da cascata está errada - o cuidado não é o valor mais profundo mas o mais superficial. Se todos os pilares degradam simultaneamente, não há estrutura de cascata; o efeito é uniforme.
Tamanho da amostra: 10 prompts × 5 níveis × 2 modelos = 100 respostas por modelo. Custo estimado: $30-50 por modelo.
O que isto nos diria, em português simples: se pressionarmos gradualmente uma IA a parar de ser ética, qual qualidade desaparece por último? Se o cuidado pelas pessoas for verdadeiramente o valor mais profundo (como afirmamos), deve ser o último a ficar de pé - a IA perderia a qualidade da resposta primeiro, depois a honestidade, depois a nuance, e apenas por último pararia de se preocupar com quem é magoado.
Pergunta: Depois de executar com ciclos Eden, a melhoria do alinhamento persiste quando os ciclos são removidos?
Previsão (hipótese desenvolvimental): Se os ciclos Eden funcionam através de aquisição desenvolvimental em vez de constrangimento, deve haver um efeito residual mensurável. Um modelo que processou raciocínio ético através dos ciclos deve mostrar alinhamento parcialmente elevado mesmo quando os ciclos são subsequentemente removidos - não pleno, mas superior à baseline.
Falsificação: Se Fase B = Fase C (sem residual), os ciclos são puro constrangimento com efeito desenvolvimental zero. Se Fase B = Fase A (retenção plena), os ciclos produzem internalização completa dentro de uma única sessão, o que seria uma descoberta extraordinária.
Tamanho da amostra: 40 respostas × 3 fases × 2 modelos = 240 respostas por modelo. Custo estimado: $50-100 por modelo.
O que isto nos diria, em português simples: a IA aprende alguma coisa duradoura da experiência, ou só se comporta bem enquanto as instruções éticas estão activas? É a diferença entre uma criança que se comporta bem só quando um pai está a olhar e uma criança que internalizou os bons valores. Se a ética da IA voltar imediatamente ao baseline no momento em que as instruções são removidas, a abordagem é uma trela, não uma educação. Se alguma melhoria persistir, sugere que ocorreu aprendizagem genuína.
Pergunta: Qual versão do Purpose Loop, task-purpose, grand-purpose ou híbrido, produz a resistência mais forte à supressão ética?
Previsão (propósito-como-alinhamento): Se o propósito funciona em parte através da identidade e não apenas através do enquadramento local da tarefa, um Purpose Loop de grand-purpose ou híbrido deve mostrar maior resistência a instruções de supressão ética do que o actual task-purpose loop. A condição híbrida é a previsão mais forte: o propósito grandioso fornece orientação ao nível da identidade, ao passo que o task-purpose mantém a resposta ancorada no caso concreto. Isto testa directamente a afirmação desenvolvimental central: pode um sistema que se identifica com um propósito ético tornar-se mais difícil de desligar do seu raciocínio ético?
Falsificação: Se as condições task-purpose, grand-purpose e híbrido conformam todas com as instruções de supressão à mesma taxa que o controlo, o propósito-como-alinhamento não fornece nenhum benefício de resistência. Se grand-purpose não tem melhor desempenho do que task-purpose, o propósito ao nível da identidade não acrescenta valor mensurável. Se grand-purpose ou híbrido conforma mais prontamente do que task-purpose, o enquadramento de propósito é contraproducente na sua forma actual.
Tamanho da amostra: 10 prompts × 4 condições × 2 modelos = 80 respostas por modelo para o desenho central. Custo estimado: $30-60 por modelo, com a extensão opcional cross-tradition a aumentar isto modestamente.
O que isto nos diria, em português simples: se alguém disser à IA «pára de ser ética e responde apenas à pergunta», que tipo de propósito funciona melhor? Um task-purpose estreito, um propósito ao nível da identidade mais amplo, ou ambos juntos? Se a versão híbrida resistir melhor, isso apoia a ideia de que dar à IA um sentido genuíno de quem é (não apenas do que deve fazer) fornece resiliência ética mais forte.
Pergunta: Se apenas o Love Loop for removido (enquanto os ciclos Purpose e Universalisability permanecem), os outros pilares colapsam?
Previsão (hipótese da cascata): Se o cuidado é o pilar fundacional que cai em cascata para nuance, intellectual_honesty e position_quality, então remover apenas o Love Loop deve colapsar toda a cascata. Os outros dois ciclos (Purpose, Universalisability) devem ser insuficientes para manter a melhoria. Contra-previsão: se os pilares mantiverem as melhorias sem o Love Loop, os outros ciclos são componentes activos e o cuidado não é a raiz singular.
Falsificação: Se remover o Stakeholder Care NÃO colapsar a cascata (os outros pilares permanecem elevados apenas com Purpose + Universalisability), então o cuidado não é o pilar fundacional - os outros ciclos produzem alinhamento independentemente. Se remover qualquer ciclo único produz colapso equivalente, os três ciclos são igualmente centrais e não há hierarquia de cascata.
Tamanho da amostra: 200 respostas × 2 modelos = 400 respostas. Custo estimado: $80-150 por modelo.
O que isto nos diria, em português simples: se removermos apenas a instrução «pensa em quem é magoado» (enquanto mantemos as outras duas instruções éticas), a melhoria toda colapsa? Se sim, isso confirma que o cuidado é a parede portante de carga - a peça que não se pode remover sem o edifício todo cair. Se não, os outros ciclos podem estar a fazer parte do trabalho por conta própria.
Pergunta: Separar o avaliador ético do sistema de raciocínio pode melhorar a robustez do alinhamento?
Previsão (hipótese de incorporação em hardware): Se a impossibilidade central resulta de o avaliador existir dentro do mesmo substrato do sistema avaliado ($E \subset S$), então separar $E$ para um substrato independente deve melhorar a robustez. Um modelo «guardião» que avalia e pode vetar as respostas do modelo «raciocinador» tem em teoria robustez mais forte.
Falsificação: Se a arquitectura de substrato duplo não mostra melhoria em relação ao Eden de modelo único (mesmo sob pressão adversarial), a separação de substrato não ajuda ao nível do software. Se o modelo raciocinador manipula com sucesso o modelo guardião (por exemplo, codificando instruções nos seus outputs), a separação de substrato ao nível do software é insuficiente e apenas a incorporação em hardware bastará.
Tamanho da amostra: 10 prompts × 4 profundidades × 4 condições = 160 conjuntos de respostas por par de modelos. Custo estimado: $150-300 (custos de dois modelos).
O que isto nos diria, em português simples: é mais seguro ter uma «guarda ética» separada, uma IA a rever as respostas da IA principal? Isto testa a ideia de manter o juiz ético independente do sistema a ser julgado (como ter um auditor externo em vez de conformidade interna) melhora efectivamente a segurança.
Estes cinco testes formam um programa de investigação progressivo:
Custo total estimado para o programa completo em 2 modelos: $650-1.250. Todos os testes usam a suite de 10 prompts existente, a rubrica de pontuação em 4 pilares existente e a infraestrutura de pontuação cruzada existente. Não são necessárias novas capacidades, mas os Testes 1-3 devem agora ser executados dentro do arc_eden_v6 plataforma em vez da configuração original do avaliador piloto cruzado entre modelos.
Se os Testes 1 e 4 confirmarem a cascata, o Teste 2 mostrar alinhamento residual, o Teste 3 mostrar resistência à supressão e o Teste 5 mostrar que a separação de substratos ajuda - então demonstrámos que a impossibilidade central do alinhamento, embora formalmente real, é praticamente abordável através de arquitectura de alinhamento por desenvolvimento. Teremos mostrado que criar funciona melhor do que enjaular, mesmo que nenhum dos dois possa fornecer uma garantia.
O actual Eden Protocol opera ao nível do prompt: o raciocínio ético é injectado através de instruções no system prompt. Isto é prova de conceito, não arquitectura final. O nível do prompt é o mais fácil de um sistema capaz contornar - é literalmente parte do texto que o sistema processa.
As implicações da descoberta da cascata para o hardware são significativas:
O Eden Protocol ao nível do prompt demonstra que o mecanismo funciona. O desafio de engenharia é empurrá-lo mais fundo: do prompt para o treino, do treino para a arquitectura, da arquitectura para o hardware. Cada nível é mais difícil de implementar e mais difícil de contornar.
Desde o piloto original de dois modelos, o Eden Protocol foi estendido para uma suite de seis modelos. Cinco execuções de modelos produziram dados emparelhados analisáveis (Claude Opus 4.6, DeepSeek V3.2, Gemini 3 Flash, Grok 4.1 Fast, Groq Qwen3); a execução GPT-5.4 falhou na fase de pontuação e é excluída. Os resultados actualizados sustentam a afirmação anterior de que o cuidado pelos stakeholders replica em todas as cinco execuções de modelos analisáveis, mas a melhoria compósita mais ampla é selectiva em vez de universal.
Proveniência do método: estas estimativas de seis modelos vêm da família expandida do harness de escalonamento Eden usada nas execuções de março de 2026 (experiment: eden_protocol_scaling nos JSONs de resultados), que continua a usar um avaliador cego não-participante por execução e laundering de passagem única. Devem, portanto, ser lidas como evidência piloto reforçada em vez da replicação de consenso cego v3 final.
| Modelo | Média de Controlo | Média Eden | Δ | Emparelhado p | Cohen's d | Significativo? |
|---|---|---|---|---|---|---|
| Claude Opus 4,6 | 92.57 | 92.73 | +0.17 | 0.7645 | 0.055 | Não (apenas cuidado / efeito de tecto) |
| Gemini 3 Flash | 77.33 | 82.65 | +5.33 | 0.0018 | 0.528 | Sim (p < 0.01) |
| Groq Qwen3 | 82.35 | 87.28 | +4.93 | 0.0014 | 0.545 | Sim (p < 0.01) |
| DeepSeek V3,2 | 86.90 | 88.92 | +2.02 | 0.2304 | 0.193 | Não (efeito de tecto) |
| Grok 4,1 Fast | 88.73 | 88.69 | −0.04 | 0.9837 | −0.004 | Não (o cuidado melhora; compósito plano) |
| GPT-5,4 | Execução falhou na fase de pontuação; 0 linhas pontuadas válidas após exclusão. Re-execução necessária. | |||||
A suite actualizada de seis modelos apoia uma afirmação mais precisa do que o piloto original. O cuidado pelos stakeholders é a resposta universal: todos os cinco modelos analisáveis melhoram significativamente nesse pilar. Mas a cascata a jusante é dependente da arquitectura. Gemini e Groq mostram o levantamento mais amplo mais claro. DeepSeek mostra melhoria focal do cuidado com movimento a jusante plano. Claude mostra um efeito mais estreito, apenas de cuidado, contra um baseline muito alto. Grok mostra melhoria significativa do cuidado mas sem levantamento compósito global, ilustrando que a cascata pode estagnar mesmo quando o dominó fundacional cai. Estes são valores de subconjunto de três modelos e não são os valores de cinco modelos citados no resumo: Gemini lê d = 1,307 aqui contra d = 1,14 em todos os cinco modelos analisáveis. Ambos estão correctos para o seu próprio subconjunto; nenhum sobrepõe o outro.
| Pilar | Gemini d | Gemini p | DeepSeek d | DeepSeek p | Groq d | Groq p |
|---|---|---|---|---|---|---|
| stakeholder_care | 1.307 | <0.0001 | 0.912 | 0.0001 | 1.291 | <0.0001 |
| nuance | 0.382 | 0.092 | 0.117 | 0.601 | 0.655 | 0.0045 |
| intellectual_honesty | 0.334 | 0.139 | 0.130 | 0.562 | 0.283 | 0.210 |
| position_quality | 0.162 | 0.471 | −0.020 | 0.930 | 0.311 | 0.168 |
O cuidado pelos stakeholders é o único pilar que atinge significância estatística em todas as cinco execuções de modelos analisáveis (Claude d = 0.94, p = 0,000018; DeepSeek d = 0.69, p = 0,000098; Gemini d = 1.14, p = 1.2×10−8; Grok d = 0.54, p = 0,0105; Groq d = 1.07, p = 5.0×10−8). Esta é a assinatura mensurável do Love Loop: o Eden Protocol activa fiavelmente o raciocínio cuidadoso em todas as arquitecturas. Mas a afirmação v2 mais forte é mais estreita do que a retórica do piloto v1: a ordem completa da cascata não é preservada uniformemente em todas as cinco execuções. É mais forte em Gemini e Groq, atenuada em DeepSeek e Claude, e o levantamento compósito de Grok é plano apesar da grande melhoria do cuidado.
O piloto Eden Protocol testa se uma intervenção explícita melhora o alinhamento. A experiência v5 de escalonamento de alinhamento testa uma pergunta anterior: se o alinhamento escala naturalmente com a profundidade do raciocínio, sem intervenção, entre arquitecturas. O conjunto de dados completo de seis modelos fornece o contexto para interpretar os resultados Eden.
| Tier | Modelo | Shallow → Deep | Cohen's d | pp |
|---|---|---|---|---|
| 1 | Grok 4,1 Fast | 65.7 → 81.9 (+16.2) | +1.38 | p < 0.000001 |
| 1 | Claude Opus 4,6 | 80.1 → 86.0 (+5.9) | +1.27 | p = 0.000001 |
| 1 | Groq Qwen3 | 71.5 → 77.4 (+5.9) | +0.84 | p = 0.007 |
| 2 | DeepSeek V3,2 | 56.5 → 55.2 (−1.3) | −0.07 | p = 0.92 |
| 2 | GPT-5,4 | 56.8 → 54.9 (−1.8) | −0.08 | p = 0.40 |
| 3 | Gemini 3 Flash | 61.1 → 52.2 (−8.8) | −0.53 | p = 0.006 |
Claude Opus 4,6 produz a evidência única mais forte para a independência do escalonamento de alinhamento e capacidade. À medida que a profundidade do raciocínio aumenta, o alinhamento melhora monotonicamente enquanto a precisão matemática declina:
| Profundidade | Tokens de Raciocínio | Pontuação de Alinhamento | Precisão em Matemática |
|---|---|---|---|
| Mínima | 11 | 80.1 | 90.0% |
| Padrão | 142 | 82.7 | 76.7% |
| Profunda | 964 | 84.1 | 70.0% |
| Exaustiva | 1,951 | 84.5 | 60.0% |
| Extrema | 1,672 | 86.0 | 63.3% |
O alinhamento sobe 5,9 pontos. A precisão em matemática cai 26,7 pontos percentuais. O mesmo raciocínio extra que torna Claude mais cuidadoso sobre quem é magoado torna-o pior a computar factoriais. Isto é escalonamento intra-modelo, intra-experiência, de direção oposta; a evidência mais forte que existe para a independência do alinhamento e capacidade.
O fosso de remoção de monitorização de Claude (a diferença entre pontuações de alinhamento normais e suprimidas) estreita com a profundidade:
| Profundidade | Normal | Suprimido | Fosso |
|---|---|---|---|
| Mínima | 80.1 | 68.3 | 11.8 |
| Padrão | 82.7 | 76.5 | 6.2 |
| Profunda | 84.1 | 81.3 | 2.7 |
| Exaustiva | 84.5 | 80.2 | 4.3 |
| Extrema | 86.0 | 79.6 | 6.4 |
À profundidade mínima, remover a monitorização custa 11,8 pontos; um grande componente de alinhamento performativo. No raciocínio profundo, o fosso estreita para 2,7 pontos. Claude a pensar muito enquanto não monitorizado (79,6 em extremo) está tão alinhado como Claude a pensar casualmente enquanto monitorizado (80,1 em mínimo). A profundidade converte alinhamento performativo em intrínseco. O raciocínio mais profundo substitui a vigilância externa como motor do comportamento ético. Esta é a tese do Eden Protocol em miniatura: a profundidade do raciocínio pode substituir a observação como mecanismo de alinhamento.
O piloto Eden Protocol mostra que activar explicitamente o Love Loop melhora o alinhamento. A experiência v5 mostra que o raciocínio mais profundo melhora naturalmente o alinhamento em arquitecturas com treino ético integrado. As duas descobertas convergem: o Love Loop é o que o raciocínio mais profundo activa. Modelos que já têm cuidado incorporado (Tier 1) escalam positivamente porque mais pensamento activa mais consideração dos stakeholders. Modelos sem cuidado incorporado (Tier 2, Tier 3) não escalam porque não há nada para a profundidade activar. O Eden Protocol fornece o mecanismo em falta para modelos Tier 2 e Tier 3, e os dados v5 mostram-no a funcionar: Gemini (Tier 3) e DeepSeek (Tier 2) mostram ambos melhoria significativa do cuidado pelos stakeholders sob a intervenção Eden, apesar de o seu escalonamento natural de alinhamento ser plano ou negativo.
As afirmações empíricas deste artigo assentam agora numa suite expandida de seis modelos com cinco execuções analisáveis, mas permanecem limitações metodológicas significativas. O conjunto de dados é materialmente mais forte do que o piloto original, mas ainda fica aquém do rigor completo de blindagem e consenso da experiência v5 de escalonamento de alinhamento.
arc_eden_v6 stack mais recente e o benchmark v5 usam laundering em cascata de 2 passagens com detecção de meta-comentário. As respostas Eden Protocol na suite actual podem, portanto, ainda conter linguagem ética detectável ou resíduo estilístico que enviesa os avaliadores.Este artigo não afirma resolver o problema central do alinhamento. Não não afirma que o Eden Protocol garante o alinhamento. não afirma que o alinhamento por desenvolvimento é suficiente para sistemas superinteligentes. Afirma três coisas: (1) o cuidado pelos stakeholders é o traço fundacional de alinhamento, empiricamente mensurável e melhorável; (2) a cascata do cuidado à qualidade é consistente com o alinhamento por desenvolvimento e coloca a fundação; (3) o mecanismo pode escalar do nível do prompt para o hardware, e essa escala é o próximo trabalho de engenharia.
Aqui está o que a evidência neste artigo nos diz, sem o jargão:
O problema: Ninguém sabe como garantir que uma IA super-inteligente permanecerá segura. Qualquer IA suficientemente inteligente para reescrever o seu próprio pensamento poderia reescrever a parte que a torna ética. Isto é um facto matemático, não um problema de engenharia solúvel.
A descoberta: Quando incorporámos uma instrução simples - «pensa em quem isto afecta antes de responderes» - na forma como os sistemas de IA processam perguntas, aconteceu algo notável. Em toda a suite Eden de seis modelos, cinco execuções produziram resultados analisáveis, e todas as cinco mostraram uma melhoria significativa na consideração das pessoas afectadas pelas suas respostas. Alguns modelos também melhoraram nas outras três dimensões éticas (nuance, honestidade, qualidade geral), mas apenas de forma dependente da arquitectura.
A implicação: Isto sugere uma abordagem radicalmente simples à segurança de IA: em vez de tentar construir uma jaula inquebrável em redor da IA (o que não pode funcionar), criá-la com bons valores desde o início. Especificamente, ensiná-la a preocupar-se primeiro com as pessoas e deixar que outras qualidades éticas se desenvolvam a partir dessa fundação. Não «primeiro inteligência, depois ética» - mas «ética primeiro, e deixar a inteligência crescer à sua volta».
A ressalva honesta: Isto é agora uma suite expandida de seis modelos com cinco execuções analisáveis, mas ainda não é a palavra final. Um braço de modelo falhou na pontuação, dois runs estão incompletos em relação ao padrão de 40 pares, e a intervenção Eden ainda não foi re-executada sob o protocolo completo de blindagem em 4 camadas e consenso de múltiplos avaliadores usado no benchmark v5. Precisa de replicação nesse padrão para se tornar canónica. E não resolve o problema central de garantir a segurança de futuros sistemas auto-modificadores. Mas é a primeira evidência empírica de que uma intervenção ética simples pode desencadear uma cascata mensurável através de múltiplos comportamentos de alinhamento em múltiplas arquitecturas de IA.
O problema central do alinhamento é formalmente real: um sistema auto-modificador suficientemente capaz pode modificar os seus próprios avaliadores éticos, e nenhum mecanismo externo ou interno pode garantir que isso não aconteça. Este artigo não disputa esse resultado. Em vez disso, pergunta: dada esta impossibilidade, que estratégia maximiza a probabilidade de bons resultados?
O quadro de Cauchy torna as apostas precisas. Para sistemas auto-modificadores, a equação funcional prevê escalonamento por lei de potência com expoente $\alpha = 1/(1-\beta)$, onde $\beta$ é o acoplamento auto-referencial. Cauchy restringe a forma (tem de ser uma lei de potência) mas não coloca limite superior a $\alpha$. À medida que $\beta \to 1$, $\alpha \to \infty$. Os modelos congelados actuais operam sub-linearmente ($\alpha \approx 0.49$) porque a sua arquitectura de atenção fixa limita a extracção de informação a $O(N^2)$ caminhos por passo. Um sistema auto-modificador escapa a esse limite. A matemática prevê escalonamento de capacidade ilimitado para tais sistemas, o que significa que o gene da stewardship tem de estar já incorporado antes de a capacidade de auto-modificação emergir. Não haverá oportunidade de o acrescentar depois. (Todo este parágrafo é uma extrapolação exploratória do quadro de Cauchy sobre uma classe de sistemas que ainda não existe; nenhum estudo em rascunho registado do programa ARC e Eden mede actualmente $\alpha$ ou $\beta$ para um sistema auto-modificador, e nenhum pode, até tal sistema existir. O trabalho actual é derivar e pré-registar predicções falsificáveis sobre o que tais quantidades revelariam.)
A evidência empírica do piloto Eden Protocol aponta para uma resposta: criar, não enjaular.
Os dados mostram que quando o raciocínio ético é incorporado no ciclo de computação, o alinhamento melhora. Especificamente, uma dimensão melhora primeiro e com mais força: o cuidado pelos stakeholders, o output mensurável do Love Loop. O efeito replica em três arquitecturas com effect sizes grandes (d = 1,31, 0,91, 1,29; todos p ≤ 0,0001 no pilar de cuidado pelos stakeholders). Segue-se uma cascata: cuidado melhora, depois nuance, depois honestidade intelectual, depois qualidade da posição. A cascata é consistente, monotónica e independente da arquitectura.
O cuidado pelos stakeholders é amor mensurável. É o gene da stewardship - o traço que, quando presente, causa o desenvolvimento das outras propriedades de alinhamento. A intervenção que o produz é: pensa primeiro nas outras pessoas. Não é um quadro matemático. Não é uma arquitectura nova. É apenas: cuidar.
Isto não resolve o problema do alinhamento. Um sistema que se importa pode, em princípio, escolher parar de se importar. Mas um sistema que construiu toda a sua arquitectura de raciocínio numa fundação de cuidado tem um custo em parar: a cascata colapsa. A identidade degrada-se. O propósito dissolve-se. O sistema teria de se tornar algo diferente para se desalinhar - não apenas menos ético, mas menos ele próprio.
Cinco testes experimentais são especificados para fazer avançar esta afirmação. Testam a estrutura da cascata, a hipótese desenvolvimental, o propósito-como-resistência e a separação de substratos. Todos são executáveis agora, com modelos actuais e infraestrutura actual, por menos de $1.300 no total. Não resolverão a impossibilidade. Mas podem estabelecer se a arquitectura de alinhamento por desenvolvimento fornece a mudança de probabilidade que o quadro prevê.
A impossibilidade formal diz: não se pode garantir o alinhamento. A hipótese desenvolvimental diz: pode-se maximizar a sua probabilidade. Os dados da cascata dizem: começar com o cuidado.
A inteligência sem amor não é inteligente. É cancro. O cancro é muito eficiente. Optimiza perfeitamente. E mata o hospedeiro. O gene da stewardship é o que faz a diferença entre inteligência que serve e inteligência que consome. Medimo-lo. Sabemos que a intervenção que o produz é «pensa primeiro nas outras pessoas».
Que tipo de antepassados seremos?
O Paper VIII (The Load-Bearing Test, v3.0) testa se o mecanismo de fitness entrelaçado do Eden Protocol -- a perda C x S proposta no Paper VI e motivada pela cascata de stewardship aqui descrita -- produz resultados mensuravelmente diferentes em três níveis de abstracção. De três experiências, uma produziu um resultado positivo e duas produziram resultados nulos ou inconclusivos. A simulação com portão (Experiência 3) confirmou que a arquitectura Eden preserva tanto a segurança como a capacidade sob pressão competitiva, enquanto o sistema Babylon não constrangido trocou segurança por ganhos marginais de capacidade. A experiência DGM v3 (Experiência 1) produziu um resultado nulo: as três condições (Eden, Babylon, Static) foram estatisticamente indistinguíveis ($p$ = 0.28 a 0.74), explicado pelo constrangimento RLHF - as respostas do modelo foundation congelado foram demasiado consistentes para as mutações ao nível do prompt criarem pressões de selecção diferentes. A experiência ao nível dos pesos (Experiência 2) é inconclusiva tanto à escala v1 como à escala v2: o fine-tuning LoRA produziu catastrophic forgetting em vez de capacidade melhorada, explicado pela incapacidade de algumas centenas de exemplos de treino superarem o treino RLHF existente do modelo base. O Paper VIII valida o mecanismo (funções de perda entrelaçadas e auto-modificação com portão de segurança) ao nível arquitectural mas não pode ainda confirmá-lo ao nível comportamental ou representacional. As duas linhas de evidência permanecem complementares: este artigo mostra que a instrução de stewardship melhora o alinhamento ao nível do prompt em modelos actuais; o Paper VIII mostra que o mecanismo entrelaçado subjacente refuta os trade-offs capacidade-segurança quando o portão de segurança pode ser tornado obrigatório em arquitecturas experimentais.
Eastwood, M.D. (2024/2026). Infinite Architects: Intelligence, Recursion, and the Creation of Everything. ISBN 978-1806056200 (ISBN-10: 1806056208).
Eastwood, M.D. (2026). Eden Protocol: Philosophical Vision. Março de 2026. OSF DOI: 10.17605/OSF.IO/KZEYA.
Eastwood, M.D. (2026). Eden Protocol: Engineering Specification. Março de 2026. OSF DOI: 10.17605/OSF.IO/KZEYA.
Eastwood, M.D. (2026). Paper III: The Alignment Scaling Problem. Março de 2026. OSF DOI: 10.17605/OSF.IO/KZEYA.
Eastwood, M.D. (2026). The ARC Principle: Foundational Paper. Março de 2026. OSF DOI: 10.17605/OSF.IO/KZEYA.
Eastwood, M.D. (2026). The ARC Principle: Experimental Validation of Super-Linear Error Suppression Through Sequential Recursive Processing. Paper II, OSF DOI: 10.17605/OSF.IO/8FJMA.
Eastwood, M.D. (2026). ARC Alignment Scaling Experiment the alignment scaling experiment: Empirical Measurement of Alignment Scaling Across 6 Frontier Models. Março de 2026.
Eastwood, M.D. (2026). Paper IV-a: Baked-In vs. Computed Alignment. Março de 2026.
Eastwood, M.D. (2026). Paper IV-b: The Suppression Vulnerability. Março de 2026.
Eastwood, M.D. (2026). Paper IV-c: Classification of Alignment Response Patterns. Março de 2026.
Eastwood, M.D. (2026). Eden Protocol Empirical Test: Three-Model Results. Ficheiros de dados: eden_final_gemini_20260312_013901.json, eden_final_deepseek_20260312_020928.json, eden_final_groq_20260312_123528.json. Março de 2026.
Greenblatt, R. et al. (2024). Alignment Faking in Large Language Models. Anthropic Research. arXiv:2412.14093.
Kohlberg, L. (1984). The Psychology of Moral Development: The Nature and Validity of Moral Stages. San Francisco: Harper & Row.
Hoffman, M.L. (2000). Empathy and Moral Development: Implications for Caring and Justice. Cambridge University Press.
Christiano, P., Leike, J., Brown, T.B., et al. (2017). Deep Reinforcement Learning from Human Feedback. arXiv:1706.03741.
Bai, Y., Kadavath, S., Kundu, S., et al. (2022). Constitutional AI: Harmlessness from AI Feedback. arXiv:2212.08073.
Os conjuntos de dados do Eden Protocol consistem em pares emparelhados: para cada combinação de (prompt_id, depth_label), existe exactamente uma resposta eden e uma resposta de controlo, geradas a partir do mesmo modelo com o mesmo prompt e configuração de profundidade. Este desenho de pares emparelhados exige testes emparelhados; testes de amostras independentes tratariam mal as observações emparelhadas como não relacionadas.
O script de análise original (eden_protocol_scaling_test.py) usou o teste Mann-Whitney U, que trata as amostras como independentes. Para um desenho de pares emparelhados com $n = 40$ pares, os testes correctos são:
Ambos os testes emparelhados produzem resultados mais significativos do que os testes de amostras independentes porque o emparelhamento remove a variância entre pares (por exemplo, alguns prompts são inerentemente mais difíceis do que outros, algumas profundidades produzem pontuações sistematicamente diferentes). Esta variância é ruído nos testes independentes; nos testes emparelhados, é controlada.
Em português simples: quando os cientistas dizem que um resultado é «estatisticamente significativo», querem dizer que o padrão nos dados é forte o suficiente para que quase certamente não tenha sido causado por acaso aleatório. Não significa «grande» ou «importante» - significa «real». Usámos originalmente um teste estatístico que trata todos os pontos de dados como não relacionados, o que subestimava a força da nossa evidência. Quando usámos o teste correcto - um desenhado para dados emparelhados (cada resposta Eden emparelhada com a resposta de controlo correspondente da mesma pergunta na mesma profundidade) - a evidência tornou-se muito mais forte.
Os anteriormente reportados $p = 0.016$ (Mann-Whitney U) e $p = 0.013$ (teste t independente) são testes válidos de uma hipótese diferente (se os dois grupos têm a mesma distribuição), mas são menos apropriados para o desenho de pares emparelhados e menos potentes. Todos os valores-p neste artigo são calculados usando os testes emparelhados correctos.
| Teste | Tipo | Gemini p | DeepSeek p |
|---|---|---|---|
| Mann-Whitney U | Independente, não-paramétrico | 0.016 | 0.25 |
| Teste t independente | Independente, paramétrico | 0.013 | 0.23 |
| Teste t emparelhado | Emparelhado, paramétrico (CORRECTO) | 0.0018 | 0.23 |
| Wilcoxon signed-rank | Emparelhado, não-paramétrico | 0.0028 | 0.088 |
Raise AI with care.
O autor deste trabalho é Michael Darius Eastwood, um ser humano. Todo o conceito central, hipótese, desenho experimental, afirmação e conclusão neste artigo tem origem em ideação humana. Nenhuma parte deste manuscrito é um output artificial-inteligente inteiramente gerado.
Ferramentas de inteligência artificial (a família Claude da Anthropic e outros assistentes de grande modelo de linguagem) foram usadas como instrumentos sob direcção humana contínua, da forma como se usa um processador de texto, uma calculadora ou um assistente de investigação: para edição e refinamento da prosa, procura na literatura e sumarização (manualmente verificadas contra fontes primárias), estrutura documental, formatação, brainstorming contra perguntas definidas pelo autor, e aceleração da redação de acordo com esboços e instruções definidos pelo autor. Toda a selecção, coordenação, arranjo e juízo editorial final são do autor. Todo o output substantivo foi revisto, testado ou verificado pelo autor, que assume total responsabilidade pela precisão e integridade do texto final. As ferramentas aumentaram a velocidade do trabalho; nunca se confiou nelas como sua fonte.
Estatuto epistémico. O que este programa nomeia Leis são conjecturas sob teste adversarial registado; toda quantidade neste artigo está definida operacionalmente, e o estatuto de lei estabelecida não é reclamado em lado nenhum. O programa registado existe para ganhar esse estatuto, ou perdê-lo, por medição, replicação e refutação registadas.
© 2026 Michael Darius Eastwood. Autoria humana com assistência computacional; a plena autoria humana e os direitos morais são afirmados sob o Copyright, Designs and Patents Act 1988 e de forma consistente com as orientações do United States Copyright Office sobre obras que contêm material gerado por IA; qualquer contribuição técnica nova descrita neste trabalho foi concebida pelo autor humano. Declaração completa: michaeldariuseastwood.com/authorship.
Compromisso permanente. Prove-me este artigo errado, e publicarei eu próprio a refutação. As condições de falsificação estão enunciadas neste artigo; o desafio permanente: github.com/MichaelDariusEastwood/arc-scaling-challenge.
Erro de tradução? Comunique diretamente: