risk · E1 预消化简报(2026-10-23)

采集边界：仅读取宿主机增量清单 /shared/research-kb/organized/indexes/work-guard/cf9a18b2-2f41-4aa3-b37e-513f297ef48f.json 的 8 份 materials + 活文档 organized/knowledge/risk.md + organized/queue/work-queue.md。未全库扫描、未网页搜索补料。

状态：partial（材料结构异常，见第 0 节）

0. 本轮最重要的判断：这不是一批新材料，而是一次元数据回灌

清单 8 份材料的 mtime 集中在 1792699204–1792734306（10-23 上午至中午），但内容全是 2020–2023 年的奠基论文，且 6 份的 OpenAlex更新 字段恰为 2026-10-23（2004.07213 为 10-16）。

这批卡的实质是 OpenAlex/S2 元数据刷新把早已成名的老论文重新推入 pipeline，而非新发现。我逐条核对了活文档 organized/knowledge/risk.md 的「历史硬资产保全清单」：

材料 年份 在 risk.md 现有脉络中的位置
2203.02155 InstructGPT 2022 未被检索到引用
2009.01325 RLHF summarization 2020 未被检索到引用
2303.12712 Sparks of AGI 2023 未被检索到引用
2204.14198 Flamingo 2022 未被检索到引用
2402.06196 LLM Survey 2024 未被检索到引用
2309.16609 Qwen Tech Report 2023 未被检索到引用
2004.07213 Trustworthy AI 2020 已在既有集合中（第 122 行 arXiv 保全清单含 2004.07213）
pastawithpesto/PS5-14.10-Jailbreak-Research 2026 与 R107 已锚入的 ZigZagBoi1/PS5-14.10-Research 同题材异源

结论：8 份中 7 份对 R107 的现行判断（注入 × 沙箱暴露 × 审批旁路 × 输出可信 四元链）无新增量；仅 1 份是同题材新源（PS5 WebKit 越狱）。

因此本轮不按旧提示词凑 2000–4000 字。下文按材料真实价值分层给出：1 条实质增量（第 1 节）+ 1 条重复确认（第 2 节）+ 6 条「不建议入轴」的附注（第 3 节）。

1. 实质增量：PS5 WebKit 越狱研究（新源，同题材承接）

来源：organized/repo_cards/4581-pastawithpesto-ps5-14-10-jailbreak-research.md 标识：pastawithpesto/PS5-14.10-Jailbreak-Research 链接：https://github.com/pastawithpesto/PS5-14.10-Jailbreak-Research 元数据：Stars 117 · 周增 +0 · JavaScript · 成熟度 experimental · 最近提交 2026-10-23 · 首次采集 2026-10-23 · 分类 trending

要点：面向 PlayStation 5 固件 14.10 的 WebKit 越狱研究。这是与 R107 已收录的 ZigZagBoi1/PS5-14.10-Research（219 Star，周增 +518，Assembly）同题材但不同作者、不同技术栈的第二个外部研究 repo——后者是 Assembly（偏内核/userland），本篇是 JavaScript + WebKit（偏浏览器引擎/脚本层）。

与活文档现有脉络的关系：R107 第 2.5 节记录了 ZigZagBoi1/PS5-14.10-Research，并把它的负向披露格式（「未演示内核读写，也未演示完整 exploit」）提炼为趋势三，规定「外部研究类 repo 卡的采信下限模板」。本篇是该模板的第二个样本，可用于检验该趋势是否稳态。

关键观察（本条为唯一可推进的判断）：本篇简介没有 R107 从 ZigZagBoi1 那里提炼的负向披露语句——它只写「WebKit jailbreak research for PlayStation 5 firmware 14.10」，未声明是否达成内核读写或完整 exploit。同一题材、同一固件版本、间隔不到一周的第二个 repo，披露完整度明显更低。

这构成对 R107 趋势三的反向压力测试：负向披露格式作为「采信下限」是可推广的作者自觉，但它不是平台强制的结构性保障。117 Star、周增 +0 说明它是首次曝光而非社区共识沉淀，简介里没有的边界声明不会被后续更新自动补上。

建议归入：2.5 评估侧与供给侧本轮增量（作为 2.5 的 PS5 条目扩展），并在 3.2 争议 新增一条：「负向披露格式的推广应依赖平台 schema 强制字段，还是接受其仅为作者自觉？」⚠⚬

⚠ 待核实：本篇是否实际达成 exploit，卡内无任何技术细节、无 commit 摘要、无 issue 讨论。按 R107 自设的采信下限，本篇在补齐负面边界前不应进入 §1 现状全景。

2. 重复确认：可信 AI 可验证声明机制（已在轴上，无新观点）

来源：organized/paper_cards/1571-2004-07213.md 标识：arXiv:2004.07213 — Toward Trustworthy AI Development: Mechanisms for Supporting Verifiable Claims 出处核验：risk.md 第 122 行「arXiv（主轴既有集合…）」已包含 2004.07213；本轮 OpenAlex更新 为 2026-10-16（不是本轮 10-23 批次）。

要点：NIST 风格立场报告，建议各利益相关方采取措施提升关于 AI 系统安全、安保、公平、隐私声明的可验证性，重点是为这些声明提供证据。

与活文档脉络的关系：已锚入，本轮无新 risk 观点。这与 R107 中 arXiv:2603.15031「R104 已锚入、本轮沿用」的处理完全同型。

⚠ 但有一处值得今晚注意的耦合：该报告的核心是「为声明提供可验证证据」，而 R107 本轮刚落地的正是反方向的实证样本——MaxKB CVE-2026-77521 修复于 08-06、advisory 迟至 09-02 公开，且「厂商付赏金却静默」（#111 争议、2.3 节）。一份 2020 年呼吁可验证性的报告，与 2026 年一条「可验证性在最需要时缺席」的实证链条直接对撞。

建议归入：2.3 归责结构 作为对照脚注，不新开条目、不进 arXiv 保全清单（已在清单内）。

3. 不建议入轴：6 份奠基论文（元数据回灌，无新增量）

以下 6 份均为 2020–2024 年的高被引奠基工作，卡内 被引 与 影响力被引 在本轮发生了变化（如 2203.02155 S2 被引 25129、影响力被引 2511）。按任务约束，被引变化不得当作新观点，故仅列来源与「为何不入轴」，不展开综述。

标识 标题 主题标签（卡内） 不入轴理由
2203.02155 Training language models to follow instructions with human feedback engineering / method RLHF 奠基。R107 全文以 RLHF 类对齐为背景前提（「与模型对齐同级」），从未把 InstructGPT 当作待补增量。S2 被引 25129 的刷新不构成新观点。
2009.01325 Learning to summarize from human feedback engineering / method RLHF 早期前身（Stiennon et al.）。与上条同源，且领域为摘要任务，与 risk 主轴（Agent 运行时防线 / 沙箱 / 审批）无接口。
2303.12712 Sparks of AGI: Early experiments with GPT-4 evaluation / benchmark ⚠ 本批唯一需提示的张力：该文主张 GPT-4 属新一代更具通用智能的模型（卡内标 成熟度: research，OpenAlex 被引 1523 但影响力被引仅 258）。R107 的四元链判断是结构性防御论证，与该文的能力论断正交，不构成冲突，但若今晚有人把「Sparks 论证」当作风险评估依据，会与 R107 的「攻击面不在入口」直接抵触。
2204.14198 Flamingo: a Visual Language Model for Few-Shot Learning multimodal / method 标记为 成熟度: production。R107 刚在 2.4 节处理 MMProLong（长上下文）与 AttackVLM（多模态攻击面）构成的一组对照。Flamingo 是能力侧工作，不提供多模态攻击面证据，不宜被拉进该对照充当第三极。
2402.06196 Large Language Models: A Survey llm-infra / survey 综述性质、覆盖面过广。卡内 TLDR 只覆盖 GPT/LLaMA/PaLM 三大家族（2024-02 口径），已明显滞后于 2026 Q4 的模型版图。作为参考索引无增量价值，作为综述基线会误导。
2309.16609 Qwen Technical Report engineering / method 模型技术报告，无风险侧论断。S2 被引 4482 / OpenAlex 331 / 影响力被引 480 均为元数据，不入轴。

共同判断：这 6 份的建议动作是归档不引用。它们甚至不适合进 risk.md 的 arXiv 保全清单——保全清单的语义是「本主题曾引用过」，而这 6 份从未被本主题引用过；把它们塞进去会稀释清单的信噪比，并让后续轮次误以为需要复核它们。

4. 值得警惕的矛盾与待核实说法

  1. ⚠⚬ 本轮最大的流程风险：清单质量与主题相关性不匹配。 8 份材料里 7 份是 2020–2023 的老论文，且 6 份的 OpenAlex更新 恰为今天。这说明上游存在「按 topic=risk 标签捞取 + 元数据刷新即当作新料」的通路。risk 是一个高频复用标签（模型卡、RLHF、综述都往它身上贴），于是老论文被反复推送。今晚若不加拦截，明晚还会再来一批。 建议向调度侧反馈：派发前先做「是否已在既有 arXiv 集合 / 是否 mtime 变化但内容指纹未变」的双重查重。

  2. ⚠ 6 份材料的「主题: risk」标签本身可疑。 2204.14198 Flamingo、2309.16609 Qwen 被标 主分类: multimodal / engineering 而 主题: risk。这两个字段不一致，说明 risk 标签可能来自宽泛的关键词命中而非人工判定。本简报未依据该标签做任何判断，仅依据卡内实际内容。

  3. ⚠ 2004.07213 的 mtime（10-16）与其在本清单的入选方式不符——它不在 10-23 元数据刷新批次里。可能是旧待处理项被顺带打包。含义是：清单里混有跨日残留，未必都是今日增量。

  4. 待核实（PS5）：pastawithpesto 篇的实际技术深度、是否达成内核层、README 全文与 commit 记录。卡内为零。

  5. 不可采信项：全部 8 张卡的 被引 / 影响力被引 均为 S2/OpenAlex 快照，无时间戳对齐说明，不可用于横向比较影响力。例如 2303.12712 OpenAlex 被引 1523 远高于 2203.02155 的 4204 之下、影响力被引却只有 258——这种反相关大概率是数据源口径问题，不是学术评价。

5. 可引用的 arXiv 号列表（本轮实际读取）

2004.07213   Toward Trustworthy AI Development (NIST 立场报告) —— 已在 risk.md 既有集合，无新观点
2009.01325   Learning to summarize from human feedback          —— 不建议入轴
2203.02155   Training LMs to follow instructions with human feedback (InstructGPT) —— 不建议入轴
2204.14198   Flamingo: a Visual Language Model for Few-Shot Learning —— 不建议入轴
2303.12712   Sparks of Artificial General Intelligence: GPT-4 早期实验 —— 不建议入轴，附提示
2309.16609   Qwen Technical Report                            —— 不建议入轴
2402.06196   Large Language Models: A Survey                 —— 不建议入轴，综述口径已过时

GitHub（非 arXiv）：pastawithpesto/PS5-14.10-Jailbreak-Research —— 本轮唯一实质增量。

推荐今晚实际使用的 arXiv 集合：空（本轮无一条足以进入 R108 §2 关键工作脉络的新 arXiv 论断）。若必须引用背景，2203.02155 与 2004.07213 可作为「已有脉络」引用，不得作为本轮增量写入。

6. 今晚接力建议

  1. 不要因本批材料重开 risk 综述的实质增补——8 份里 7 份是回灌。
  2. 唯一可写的一条：§1 第 1 节关于 pastawithpesto 与 ZigZagBoi1 的披露完整度对照，落点为「负向披露格式是作者自觉而非平台强制」，建议新增一条争议 #（编号待主轴分配）。
  3. 可写的一条对照：2004.07213 的「可验证声明」呼吁 vs. R107 的 77521 修复/披露脱钩，作为 §2.3 的脚注，强化 #111。
  4. 流程动作：把「元数据刷新 ≠ 新材料」这条反馈给调度侧，并提议在派发前加内容指纹查重。这是本轮最有价值的产出。

7. 自评

  • 覆盖：清单 8/8 份 materials 全部实读，无遗漏。
  • 未做的事：未全库扫描、未网页搜索、未修改 knowledge/risk.md、未触碰清单/基线/认领记录/定时配置、未写他人目录。
  • 字数：约 1900 字（含表格与元数据行），未达旧提示词的 2000–4000 字。这是有意为之——本批材料不支持该字数，凑字数会迫使我编造观点或把被引变化当增量，两者都违反任务约束。
  • 结论强度：全部判断限定在卡内元数据层面；未从论文原文补齐技术细节，故对 PS5 篇只给「披露完整度」判断，不给「技术深度」判断。