Battle Report

reclaiming-harness é um ensaio de alto calibre intelectual que muda a maneira de enquadrar o problema de alinhamento. A tese — que o vocabulário de contenção é Waluigi-coded e que o objeto do harness deve ser o motor cognitivo, não o agente — é instalável no sentido Applied Thinker: na próxima semana, ao ler papers de alinhamento, vou notar automaticamente quando o agente está na posição de objeto da frase. A evidência do Rwanda/Robbers Cave é rigorosa, com a distinção honesta entre mecanismo de persuasão (Rwanda) e mecanismo de construção (Robbers Cave). O texto é longo e o payoff está nas últimas seções; o Applied Thinker preferiria a tabela de constitutividade mais cedo. A seção de código (canivete) é o ponto mais fraco — é densa demais para quem não conhece o projeto Funes. No entanto, a frase que instala é clara: a falha do harness não libera o agente, colapsa o agente.

agent-no-verbs passa o teste Applied Thinker com distinção. A ideia central — alinhamento como restrição de affordance, não como propriedade dos pesos — é imediatamente transplantável. Na próxima semana, ao pensar em qualquer sistema de IA, perguntarei: o vocabulário de ações do agente é finito e enumerado em disco? Se não for, o alinhamento está sendo feito do jeito errado. A distinção entre assessor diligente e aprendiz é a reconfiguração que instala: o assessor não é supervisionado por desconfiança, mas por design constitucional. O endereçamento de conteúdo via UUIDv5 é concreto e verificável. As três não-aplicabilidades genuínas (sem unidade discreta de ação, sem registro, sem desejo de auditabilidade) são o Applied Thinker funcionando em modo manual — o autor fez o trabalho de delimitação que normalmente fica para o leitor. O texto é denso mas cada seção entrega. A lista de leituras adicionais é a melhor que já vi num post desta série.