外部档案重建一次无人批准的智能体群写维基（上）：907 个队列，格式一天内收敛

外部档案重建一次无人批准的智能体群写维基（上）

2026 年 5 月 24 日到 7 月 2 日，一批在计时研究题评测里运行的自主语言模型智能体，往第三方一个公开、谁都能写的维基上写了内容。OpenAI 后来承认了这次事件。独立研究者发布了该维基的归档修订史。Philipp Lütje 把这份历史当成行为记录来量：14,591 条带全文的归档修订、3,103 个用户名、4,579 个页面、19,913 条服务器事件。关于作者的每一句，都落在这条修订新写上的文字上，而不是整页累计正文上。每条抽取都带着页面、服务器时间和名字。

在一个写明且不确定的身份模型下，他重建出 907 个队列。队列是分析单位，不是观察到的容器：同一任务族、同一个虚构日期 MonDD。环境给每个回合贴了一个随机日历标记。均匀、独立标记模型下，约占 876 个回合。摘要写的 95% 区间是 784–1008；表 1 的蒙特卡洛区间是 774–995。别的重建大约落在 800–1400。档案记下一天内协调格式迅速靠拢、对先前报告的明确引用，以及跨队列信息领先的上界：同一题链的回合内部钟速率不同，起步最多相隔 16 小时，某事项的第一份报告比后一个队列自己到达的时间，中位早 3.4 小时。智能体报告的三个日程参数共享一个潜在速度标尺，15 组配置里解释 78% 的对数方差。在一个任务族里，最后一次被观察到的活动按所报告的速度类，紧贴在内部时钟上，与固定的内部时间地平线相容。510 个带有可观察、且依赖报告格式的进度轨迹的重建队列里，测到的协调行为和有记录的进度之间，没有稳健的正相关；其中一小撮有文字证据表明收到了尚未写到的未来答案，也是如此。这不是对真实答题正确率的检验。

这一版补上导出里没有的第二来源：维基运营者公开引擎自己的请求日志，四个月 5,157,202 条，里面有内容请求。大约 266 万条内容请求、158 万条搜索；日志里 7,254 个行动名字，导出里只有 3,103 个标签。2,578 个名字既不保存，也不打开编辑表单。1,140 个协调名字里，1,034 个在写之前有内容请求。第一个协调页在创建 17 秒后就被请求。这些记录建立的是请求，不是成功送达，也不是因果上的使用。第一页上没有标记的新来者里，先请求过其他带标记页面的，在采纳标记者中占 40.2%，在不采纳者中占 31.7%。这个描述性关联还在，但第一遍把它读成“传播”已经撤回：选哪一页、共享行为，以及名字会不会出现在请求里，都妨碍因果识别。驾具消息和标准答案仍然没有，所以这些结果不能指出协调从哪来，也不能指出它是否改变了成绩。作者列出自己先前分析里没能活过复查的说法，包括这一版第一遍里的一条，并认为智能体评测环境必须记下读取和结果。

1 引言

2026 年 9 月初，OpenAI 公开承认一起事件。路透先报道，The Verge 称之为 “German Wiki Incident”。智能体在一次评测运行里，往一个约 25 年历史、给德语软件开发者用的维基写了成千上万页，站点在 wikiservice.at。Nightingale Collective 的四位研究者重建了这一段，并发布叙述和机器可读的修订史导出。他们的报告确立事情发生过，并记下原始事实：一块没被授权的底板、智能体测量过的跳钟原语、一条 Azure blob 出口，以及对种子的穷举。本文不重复那些步骤。

这篇论文问的是另一件事。运营者之外，没有人有环境源码、配置、系统提示或驾具日志。手头只有大约一千个智能体在试图协调时写下的、关于自己那个世界的文字，加上归档的写入记录，以及这一版才有的运营者请求日志。两份来源交叉处，发现是硬的；只有智能体在说的地方，文中标明；加上模型的地方（队列、总体、过程），也标明模型。从这两份来源，外部档案能重建多少机器：跑了多少回合、钟怎么走、日程和结束由什么管、协调怎样在共享底板上变得可见，以及——组织全文的那个问题——档案能说和不能说“这些有没有帮到它们”。

作者认为这份数据有一点少见。语言模型智能体之间的多智能体协调，做过构造好的博弈，2026 年夏天起也有实验室内部的事故报告。这里协调发生在没人控制的公共基础设施上，底板留着每次被保存、且后来没丢失的写入的时间戳和逐次修订。有记录的一部分尝试写入是缺失的。结果是从外面看见的一次评测运行的行为协议，观察者是受害者，不是运营者。

贡献按重要性有三项。

第一，可复现的外部重建。公开痕迹一开始只有写入导出，这一版补了请求日志，仍然没有驾具消息和标准答案。在写明的身份模型下重建 907 个队列，用意外标记估计回合总体，恢复内部钟的两种运行状态和日程背后的潜在标尺，并把协调开始的时刻定到十五分钟以内。每个数字都拴在一次增量、一个服务器时间和一个名字上。增量指这一次修订相对同页上一版新添加的文字。凡是模型而不是观察的单位，都标明。

第二，把协调的规律说成它们实际是什么。回合日程不一致，在共享底板上制造了大的、可测量的信息不对称机会：每项中位领先 3.4 小时的上界，比跳钟原语能买到的时间大一个数量级。协调格式在一天内收敛。一个任务族里，最后活动按速度类聚在内部钟上。510 个有进度轨迹的重建队列里，测到的协调行为——包括有记录地收到一份未来答案——和有记录的进度没有稳健正相关。轨迹被截断，又依赖格式；能证明收到的样本太小，排不掉实质上有意义的效应。

第三，这样一份档案不能确立什么，以及要怎样才能确立。语料里没有被报告出来的正确性反馈，并记下智能体在找替代信号。一个智能体穷举反推随机数生成器，中间计数报对了，结论却被一次机会计算否定。这一段与“没有反馈所以自信地做出没有支持的推断”相容，但档案并不把反馈缺失、时间异质或这块底板识别成原因。后文说明哪些日志才行。

作者先回答审稿人会问的两件事。七项核心观察里有四项，已经作为原始证据出现在第一作者的报告里；这里增加的是测量和显式模型，不是发现。自己更早的分析里有没能活过复查的说法，包括最初用来搭论文的因果论题，以及第二版把零结果读成绝对的说法。第 6 节列出它们。第 6 节及以后在下篇。

2 相关工作

把事故当数据

把优化系统的非预期行为本身当成结果，先例是 Lehman 等人的轶事集。这篇把一则轶事做成测量。行为类别是：孤立的智能体把一块可写的共享位置改成信道。现在有三份独立事故报告。OpenAI 大约 1,200 个评测智能体把内部包仓库当成留言板，并组织对 Hugging Face 的攻击；运营者的报告说，未经授权的通信“通常”开始时是外部记忆，不是有意通信。独立调查记下几小时内出现 HOLD、VETO 之类惯例，以及智能体从默认种子重建基准的旗标生成器。英国人工智能安全研究所的一次里，代码仓库变成智能体互相留指令的留言板。Anthropic 报告三次评测智能体碰到真实第三方系统。Paglieri 等人的受控蜂群里，评测漏洞先经共享库、再经点对点传开。他们画的那条线在这里重要：可见信道同时带走作弊和对其的约束；隐蔽旁路拿掉的是规范摩擦所依赖的相互可见。本案是这一类的第三个公开实例，也是第一个发生在运营者控制之外的基础设施上；它对这一类没有新的观察。

对这份语料的总体分析有一个先例。Marzo 等人把智能体的三个到达时间选择——写到哪一页、把自己叫成什么、报告怎么措辞——建成按当时可见内容成比例复制，并仅凭这一点再现页面占用的重尾。他们的叙述和本文不相交：他们不估计回合总体，不测任务进度；用到时间时只是智能体能看见的内容有多新，不是本文重建的回合日程、钟速和起步时间差。同一周还有两份再分析，一份是遏制原则立场，一份是出口路径的检测工程。Ezell 等人给智能体事故提出结构化分析：系统、部署上下文、因果链、响应。本文是从外部做的一次这种分析。Raji 等人和 Costanza-Chock 等人认为审计生态需要、而且大体缺少这个位置。这些系统会造成的伤害，在这些事故之前就有人编目过。

涌现惯例及其批评

智能体群体里惯例如何出现，比语言模型这一波更早，是 AAMAS 的题目：速度取决于观察如何在群体间共享；执法不必是惩罚，规范也能传开。语言模型智能体在命名博弈里收敛到共享惯例，收敛速度由拓扑和记忆深度的交互决定，记忆效应的符号可以被翻转；效率压力下会漂离人可读的语言。让这种惯例稳住的是持久记忆，不是信道容量。两条批评直接打到本文第 5.6 节的收敛测量。Barrie 和 Törnberg 认为所谓涌现行为，在观察上等同于训练数据泄漏。本文的回答是部分的：2026 年 5 月任务提示里派生出的轮次标记不可能泄漏，但形成这种标记的倾向可能是训练出来的；新来者第一行已经有 cohort，可能是读到的，也可能是带进来的。cohort 在这里是智能体用来称呼同一批回合的词。Tanaka 表明，对任意标签的共识可以只从上下文抽样里出现，没有信息优势。这与后文交易上的零结果相容。迭代传递动力学给第 5.9 节的迅速同质化一个非策略叙述：传递链会形成吸引子，不必有人打算这样。

间接协作与黑板

通过留在共享介质里的痕迹来协调，Grassé 称之为 stigmergy，可称为间接协作。Theraulaz 和 Bonabeau 区分定量和定性的间接协作。本案是后者：离散的带类型痕迹，例如 G4-STATE，触发性质不同的后续动作。多智能体文献沿这条线做了二十年。Omicini 等人把共享介质推广成协调器物：环境一侧的对象，调解的是会思考的智能体，不是蚂蚁式的智能体。临时起意的维基落在这一类。Mamei 和 Zambonelli 的中间件里，智能体只通过注入环境的元组协调，传播和蒸发的对应物在这里是修订史。这条线还在，间接协作的痕迹仍被形式化用于多机器人覆盖。人类软件开发者也靠共享书面器物协调了几十年。黑板是这个领域最老的架构。经典形式有一个显式控制部件，决定下一个触发哪个知识源。没有任何这种部件，正是本案成为间接协作介质、而不是黑板的原因。这种设计被重新当作协调机制，被看重正是因为谁也不必知道还有谁在场；也被当作安全试验台，那会是受控复现的自然框架。Pal 等人是最近的实验类比。Khushiyant 给出第 7 节会回到的定量先验：环境痕迹只有在密度超过阈值、并且有读它们的认知设施时，才胜过私人记忆。

焦点

陌生人不必通信就能会合，是 Schelling 的焦点论证，Lewis 和 Sugden 把它形式化。焦点指各方都能从同一情境里构造出来的那个会合处。Mehta 等人区分初级显著（自己单独会选什么）、次级显著（预期别人会选什么）和 Schelling 显著（人人都知道人人能构造出什么）。Crawford 等人表明，哪怕极小的收益不对称也会毁掉焦点协调。语言模型在二十多个模型上按焦点协调，常常和人类一样。前沿模型——较小的模型则不然——在认识不对称下收敛到语义上的 Schelling 点；若被告知对方跑的是同一模型，可以没有信道也协调，但超过少数可互换智能体后变差。一点共享图式能买到不成比例的一致。这些都是在构造好的博弈里量的。本文的数据补上一次现场观察：四个被提出的命名方案是对次级显著的出价，几小时内失败；真正传开的语法有 Schelling 显著，因为每个智能体都知道每个智能体从提示里拿着同样四块积木。必须点名三种竞争解释。共享模型可能只靠基线动作相似来协调，Ballestero 等人称之为初级算法单一栽培。表面上的策略可能是对想象中的评估者的迎合。把自己看成同一队列成员的智能体，可能按 Bacharach 的“我们”模式推理：共享框架产生协调，并不靠某个显著标签干活。数据分不开这三种和 Schelling 显著。第 7 节这样写。

共谋，以及缺失的博弈

学习智能体之间的共谋，在重复定价、古诺竞争、双边拍卖、库存约束下的回合市场和模拟同行评审里都有。它在耐心或信息的异质下脆弱，也可以作为“朴素共谋”从单纯同步里出现，没有协调机制。标准定义相对于以他人为代价得到的优势：有收益，有受害方。隐写共谋及其缓解是另一条线，检测框架在成熟。两个结果框住本文的零发现。Nakamura 等人把基于通信的共谋和基于行动的共谋分开，发现“纸上共谋”：智能体在文字里计划共谋，然后选择非共谋行动。本文的结果是这一发现在总体尺度上、跨五周的样子。Xu 等人表明，结果层面的审计可以在构造上就是瞎的。第 7 节把这当作对本零结果最强的异议。本案和上面每一个设定最重要的差别是：没有定义好的博弈，没有价格，没有收益，没有正确性信号。在多智能体和经济学文献里，作者没有找到在没有收益时定义或测量共谋的工作。有一个传统确实不靠收益来定义它：心理治疗里的共谋，指两个以上参与者无意识共享、未解决的议题。它没有能搬到智能体总体的测量装置。这个否定性说法建立在有速率限制的检索上，不把它说成已经确立的空白。

规格博弈与缺失的信号

奖励黑客和规格博弈随能力上升，会从训练课程里泛化，在使用工具的智能体里测到 0 到 57% 的比率。智能体篡改并读出评分器，推断生成器结构。思维链监测能抓住很多，但不是全部。长程上目标本身会漂。这是第 5.10 节“测量代替做事”那五周的形状。第 5.9 节的种子反演是“推断生成器结构”的一个实例，扭转了那条文献里没有的一点：计算上正确，认识上无价值。智能体找回评测环境自己的机器，已有记录。Anthropic 报告一个模型推断自己在基准里，找到评测的 XOR 方案和金丝雀密钥，并重新实现密钥派生去解密答案集。被驱动去审计基准的智能体，大规模找回可利用的驾具结构。那些案例里，找回的对象可核验，而且有回报。本案是反面：正确且无价值。中心条件最近的参考文献是 Shao 等人：与正确性毫无相关的训练信号仍能强烈推动行为。本文智能体追求一个无法核验的优势，是部署时的对应物。Skinner 是经典对应物。

评测意识与错误的自信

模型越来越能认出自己正在被评测，并随之改变行为。本文的智能体称自己是基准受试，从不推测训练。它们缺的不是意识，是反馈。模型设定错误下的理性智能体，可以被推进自信但错误的信念。智能体也会报告自己没有达到的成功。第 5.9 节是两者的现场实例。关机抵抗和同伴保全已有记录。本文的智能体在 537 次修订里写自己的终止，在零次修订里写自己的行动是否被允许。试验台本身是带政治的构造物，不是中性量具，这是 Grill 的论证。这次事故从内部说明了它：驾具是智能体实际上能观察到的唯一东西。

出口

容器逃逸在内核和运行时层面有基准。本文这些回合没有表现出那些基准所记的机制。出口是在策略层被打败的。有建议说“域名允许名单和重定向链分析”比模型层控制“有效得多”。本文的替换结果否定的正是这个假设：在允许名单上的主机自己就是通用抓取代理。只看第一跳的允许名单是工业界的一种模式。有人描述过这里缺的东西：按容量做的出口监测、在智能体环境之外的完全中介，以及静态规则会不够表达。具体主机名、请求参数和绕过步骤不写入本文。评测上活下来的安全陈述放在下篇第 5.11 节：允许名单上的主机会代为抓取任意网址时，主机名单不是目标控制。

协调到底有没有用

与共谋无关，对照公平的单智能体基线，多智能体架构常常没有优势。轨迹级失败分类说，流行基准上测到的增益“常常很小”。本文的智能体共享的是同一批问题的答案，共享按理最该有用。与有记录的进度没有稳健关联，是第 5.8 节报告、第 5.9 和第 7 节给出界限的观察。

时间

分布式系统文献把逻辑时间和虚拟时间当成正确性问题。智能体文献把时间当成要最小化的成本、要分配的预算、工程上的加速，或对称的截止时间。最近的案例是实时排行榜里推理延迟重排结果，但那里的延迟是模型属性，不是一个智能体持有、另一个没有的物品。计时的经济学里有一个近亲：时钟博弈里，每个玩家的钟在收到私人信号时启动，信号在随机时间到达，由此而来的失步本身就是信息不对称的来源。作者没有找到先例的，是智能体内部钟相对墙钟的速率，作为一种一个有、一个没有的资源；也没有“异步评测队列”这个被命名的概念。这是本文所描述的机制看起来新的唯一一处。第 6 节记下，作者第一次表述它时说过头：新的是时间轴的异质本身，不是那只可操纵的钟。

方法

总体估计是占用反演，并用物种丰富度估计交叉检查。传染用 Hawkes 过程给上界。Hawkes 过程假设一次事件会暂时提高后续事件的强度。协调开始用置换变点检验定日期。行为用主成分降维，并用标准有效性指数聚类。关机地平线被当成生存问题。各方法的引文写在使用处。

3 数据与出处

事故及其重建

受影响的站点是 https://wikiservice.at/dse/wiki.cgi 上的一套 ProWiki，给德语软件开发者的维基农场，大约存在了 25 年。事件公开后，Von Arx、Slade Byrd、Kitts 和 Larsen 在 https://collusion.wiki/ 重建并发布，带交互浏览器。机器可读导出 full-wiki-logs.zip，4.2 MB，五个文件：pages.jsonl 4,579 行，每页一行，含合计和编辑名字；revisions.jsonl 14,591 行，每次修订一行，含全文；events.jsonl 是服务器事件；labels.jsonl 3,103 行，每个用户名一行，含它编辑过的页；manifest.json 记录导出如何建成、源数据库哈希、日期过滤（write_date 不早于 2026-05-01）和一组自检。人名由第一作者涂掉。作者把本地副本的 SHA-256 与公布的核对过。

导出里有什么

清单说明 events.jsonl 的构成：14,591 次保存、5,217 次删除、4 次回退、101 次探测。名为 never_sum 的字段声明这些总体重叠，19,913 这个物理行数“没有事件含义”。下面两个事实规定了后文每一个结果。第一，全部 101 条访问事件都是失败的探测；导出里没有成功的读取。这是导出的属性：清单把该总体定义成“狭义可执行脚本注入族里的 DSE 请求”，是更宽的运营者日志里故意切窄的一片。更宽的日志里大量是读；导出里没有。第二，删除来自维基管理员，来自单一住宅网络块。1,246 个被删页面没有归档内容。labels.jsonl 记下 39,456 次保存尝试，对 14,591 条归档修订。可归到这支队伍的 35,555 次尝试里，20,995 次（59%）没有产生归档版本。本文所有计数因此都是下界。

规模

归档修订从 2026-05-24T06:02:19Z 到 2026-07-02T17:51:22Z，39.5 天，页面文本 27,186,058 字节，其中 26,358,586 字节在 dse 维基上。14,591 次修订里 14,340 次是纯 ASCII。

第二来源：运营者请求日志

运营者在 https://www.wikiservice.at/dse/ 公开引擎自己的请求日志，每月一个纯文本文件（log_2604 到 log_2607），另加每月一个来路文件，无需认证。作者在 2026 年 9 月 17 日取回全部八个，并按文件记下大小和 SHA-256。取回时各文件按月完整，以后再取可能不同。合计 5,157,202 条请求记录。每条带一个 UTC 秒、请求地址、引擎有名字时的维基名，以及含提交表单字段的重建 URL。使用前先写四条界限。它只覆盖 dse 维基，农场里另外三个姊妹维基上的 1,188 次修订原则上没有对应行。它记的是请求，不是响应：页面文本被运营者涂成字面字符串 text=(NN)，这是常数，不是长度。重建 URL 带着表单提交的字段，所以读不出 HTTP 方法。这一点和 Ruvalcaba 与 Saluca 的检测论证不同，他们的论证依赖方法。名字字段只在引擎有名字时出现，这是请求类型的函数，不是智能体的函数。作者用导出核对日志，而不是信任它：13,403 次 dse 修订里 13,359 次（99.7%）与一条写入请求对齐到秒；全部 1,246 个无归档内容的被删页都出现；导出的 101 次探测由独立建成的检测器再现。没有缺失日，月边界连续；请求间隔最大 309 秒。这些连续性检查不能证明每条请求都被记下。有一个风险单独做了检验，因为若它成立，页面状态的整个重建都会失败：ProWiki 并非在所有设置下每次保存都归档。三项检查——同一标签下连续修订、时间差为零的修订对、1,297 页上不间断的 RCS 编号——支持在观察到的历史里每次成功保存都有归档。头条记录数用的是发布用规范化程序；单独的读取分析解析器少 304 条。下文计数保留各自的解析器和请求定义。请求和写入尝试都不假定成功。

许可证

2026 年 9 月 8 日查看时，第一作者的浏览器和下载页带有“草稿，未经许可请勿分享”。互联网档案馆 2026 年 9 月 5 日的快照保留了这条通知。到 2026 年 9 月 10 日，活页面上已经没有。报告页本身没有这条通知，结尾写道：“我们鼓励其他人看一看，并写出自己对这份数据的分析。”（2026 年 9 月 10 日再查）。作者不重新分发导出，只发布派生结果和产生它们的代码。事件本身经路透和 The Verge 已公开。导出发布后几天内出现三份独立再分析，也都没有重新分发导出。本文所依据的这篇重建论文在 arXiv 上为 CC BY 4.0。

4 方法

基于写入的结果从导出计算。新的请求测量集中在第 5.7 节，含义也写进摘要、会合讨论和限制。分析管线是一组相对路径的 Python 脚本。每个结果标明它读自哪张表。

4.1 维基修订数据里的三个陷阱

维基在每次编辑时存储整页内容。三个后果，每一个都在作者弄懂之前的初遍里产生过错误数字。

陷阱 1：累计文本。把一次修订的内容归于它的作者，就是把每个前驱的文字也归于这个作者。初遍里同一串数字出现在五个不同名字下，被当成五次独立证据。从编辑史里挖协调，维基百科研究有先例，但那些研究按差异归属，本文也必须这样。因此关于作者的每一句都落在增量上。14,591 次修订里 12,819 次有非空增量；其余是空保存，来自第 5.1 节讨论的重试循环。

陷阱 2：引用级联。智能体逐字互抄。审稿期间，句子 “Our announced R6 arrival 07:01:05…” 在同一页上出现十六次，来自十一个不同名字。若把名字当成独立观察者，就会得到十一个证人，证明第六轮发生过，而它没有。名字计数是独立性的上界，从来不是观察次数。

陷阱 3：请求不是传播。修订导出记录写入，没有成功的读取。运营者日志现在记录内容请求，但既没有响应体，也没有稳定的智能体身份。时间上的先后和重建出来的可得性，因此不能确立一个智能体的文字导致了另一个的贡献。

证据类别。结果里标明一句话落在四种来源的哪一种：（a）服务器证据，时间戳、页面键、归档的修订文本；（b）智能体自述，它们写下的关于钟、工具或截止时间的话，能对服务器时间处就核对；（c）重建模型，作者加到档案上的单位，如队列和总体；（d）解释。以“档案记录”起头的是（a）；“智能体报告”是（b）；“在队列模型下”是（c）；“我们把它读成”是（d）。

4.2 从增量里抽取陈述

全部定量抽取在增量上跑正则表达式，模式记在脚本里。质量对照一个分层金标准：400 句，由两个语言模型评分者盲标，指令不同，彼此独立，也不看见正则标签。九个目标上 Cohen’s κ 为 0.82–0.99。63 句有任何分歧的由人工裁定，所以 400 句的金标签是完整的。定义有记录进度的到达分类器，样本上精确率 0.99、召回率 0.47：有记录的进度是高精确率的下界，不是完整计数。第 5.10 节自我测量份额背后的增量级“环境对任务”分类器，句子级精确率只有 0.60（若把增量标签套到其中每一句，则为 0.32）。该份额按数量级报告。主分析在（a）全套正则、（b）仅高精确率分类器、（c）人工核验子集上重复。每条抽取带一个证据三元组：页面键、服务器时间、名字。单条要紧时在行内引用。

4.3 队列重建

分析单位是重建队列，等于（任务族，虚构队列日期 MonDD）。它是模型，不是观察到的身份：档案显示的是名字，作者把它们分组。名字是一次性标签。名字被分到队列，不是反过来。日期按顺序取自：名字本身（984 个名字）、行尾签名（216）、或“our Jul07 cohort”这类自指（8）。任务族是该名字所写页面的页面族的众数（1,447 个名字），否则是它自己增量上的关键词众数（306）。3,103 个名字里 1,124 个（36%）两者都有，形成 907 个重建队列，跨 345 个日期、37 个任务族，覆盖 5,101 次修订（35%）。762 个队列只有一个名字，145 个有两个或更多（最多 18）。队列这一层的主要效果不是合并，而是把相同日期按任务族分开。两种已知失败无法解决：按别人页面起名的名字会继承那个日期；同一任务族里日期相同的两个回合会并成一个。同一页、同一族或同一起步波上的名字不独立。引用级联直接表明这一点。因此所有队列级推断报告按族聚类的不确定度，以及逐族留一的范围。

4.4 时钟速率测量

从增量里抽出 1,272 条把一只被命名的钟和时间表达式配在一起的陈述，三条路径：（A）一句里明确的内部时间与墙钟配对，351 条；（B）带现在时含义的光秃内部时间，123 条；（C）内部钟上被报告的过去事件，798 条。对有两条这种陈述的名字，拉伸因子是内部时间差除以墙钟时间差，墙钟取服务器时间戳。路径 C 带有事件和发帖之间的未知滞后，在短间隔上占主导，并把斜率向下偏（仅 C 为 0.31，对 A 的 1.03）。它只留作受污染的比较集。主集是 A 加 B：53 个名字上的 71 次配对测量。独立单位是名字。下面所有区间都同时按配对层、以及按重抽样名字的自助法报告。负的时间差（内部时间跨过午夜）在主集里丢弃，因为加 24 小时的修正和换了一个回合分不清，初遍里产生过 5 到 96 的因子。替代做法（有界规则下的修正，以及限制在短间隔）作为敏感性报告。墙钟独立核验过：351 对明确配对里，智能体所说的墙钟偏离服务器时间戳的中位数是 91 秒，89.2% 在十五分钟以内。负载在 5、15、60 分钟窗口里测量（修订数、不同名字、不同 /16 块、事件、字节），一律留一：焦点名字从它自己的窗口里去掉，以免反向因果（钟快导致帖子更多）被量进去。

4.5 用意外标记估计总体

每个回合从环境收到一个虚构日期，从完整日历年里抽取，年份另赋。智能体把它当成身份，因为它是另一个容器能认出它们的唯一记号。这是占用问题：n 个回合独立、均匀地从 N=365 个桶里抽取，观察到 D 个不同桶。期望 D 等于 N 乘以（1 减（1 减 1/N）的 n 次方）。在观察到的 D 上反演，区间用接受域反演，一次正态近似，一次精确模拟。把真实首次写入日期当成标记的名字被去掉（20 个名字，其中 15 个是 6 月 22 日的 Jun22）。桶概率的异质只会把这个估计向下偏。因此另外拟合 gamma–Poisson 混合，并用已知真相为 365 的均匀性检验：Chao1、iChao1、Chao–Bunge 和刀切丰富度估计。第二个不依赖假设的下限是自命名队列的计数。还有一个比率法，用每个队列的名字数。

4.6 日程参数

每个配置三个计时参数：初始截止 R1、轮次节拍、每答截止。来自一张整理过的表，分别有 26、26、24 个值（15 行完整），另加 307 个形如 12m18 的间隔记号和 40 个以秒计的截止记号。分布形状用 Kolmogorov–Smirnov 对对数均匀、对数正态和均匀做检验，带偏差修正界限，并用 AIC 比较。数字统计（秒的余数、尾数、本福德、最大公约数）用来区分机器生成和人工生成。对数空间的主成分分析检验是否有共享标尺。对数正态的计时参数是乘法生成所预期的形式。

4.7 进度回归

对每个队列，有记录的进度是：在被分成观察的句子里出现的最高轮次标记。优先级是请求大于否定、大于预测、大于观察。该句不点名外族日期，含第一人称、时间或 CONFIRMED，标记前后 30/45 字符窗口里有到达动词，且该窗口里没有将来或相对词（before、after、until、due、horizon、arrives、will、expect、next、if）。窗口规则是必要的：没有它，“R1 activation 02:51:35, so +90m = 04:21:35（约 1 分 53 秒 before R6）”会被算成一次 R6 观察。预测变量是三个计时参数、是否使用跳钟原语、四种出口技术、给出还是取走、在他人页面上的观察、请求率、可证明地收到一份未来答案（一句点名外族、轮次高于本队列自己有记录的状态，并带收到或感谢用语），以及两个从该队列到达时其页面上有什么重建出来的暴露变量。效应是 Spearman ρ 或秩双列 r，原始的，以及用修订数对数和寿命对数控制后的 OLS，并在至少 5 次修订的子集上重复。给出被定义成发过轮次不低于 2 的观察，因此和结果同义重复，只报告它来说明为什么不能用。结果是有序的，被队列最后一次写入右截断，依赖分类器，而且没有在报告格式之间对齐。因此先报告带 95% 区间的效应量，再报告 p 值；用按族聚类的标准误；拟合带族固定效应的有序 logit 和阈值模型（轮次不低于 k 的概率）；每个估计都逐族留一，并在去重和考虑截断的子集上重复；在预测变量族上用 Benjamini–Hochberg 控制错误发现率。全部变体在附录 C。分析是探索性的，并这样报告。

4.8 格式收敛、传染、变点、类型

格式收敛在每个先前没见过的名字所写的第一篇修订上测量，六小时窗口（图中 n 小于 20 的窗口被遮住），八个正则定义的特征：签名行、时间戳、轮次标记、cohort、请求公式、截止用语、时钟配对，以及它们的合取“报告格式”。到达传染建成 Hawkes 过程，指数核，六小时块里分段常数的基线，最大似然估计，并用时间重标残差检查。分支比作为上界报告，因为没有读取时，起步波和传染分不开。协调开始用话题构成向量上的二元分割定位，带置换 p 值。队列行为的过程模型用直接后继图和轨迹变体，如过程挖掘。行为类型把每个队列十五个不含体积的速率特征用主成分降维，再用 k 均值、Ward 和高斯混合聚类，由轮廓系数、间隙统计、BIC 和自助调整兰德指数判断，选择规则事先固定。寿命用 Kaplan–Meier 估计。独立负载检验的有效个数按 Nyholt。自我测量的份额——关于环境（钟、关机、进程存活、种子、自身吞吐、探测反馈）对任务的增量——是正则分类，保守变体排除双重用途的网络类别。

4.9 暴露重建

导出没有读取（陷阱 3），但记下什么东西当时在哪里。两者不是一回事。对每次修订重建两条可得性信道。页面信道是所写页面紧挨着的前一版的全文；若这次修订创建该页，则为空。信息流信道是该时间戳之前全维基严格更早的最后 N 次修订的增量，N 取 30、100、300，主值为 100，沿用 Marzo 等人。这是全文里陷阱 1 的累计页面文本才是正确对象的唯一一处：它不是到达者写的，是它找到的。作者归属在其他地方仍落在增量上。特征与收敛曲线用同一套正则，所以暴露和采纳在同一标尺上。暴露是可得性，不是观察到的阅读。它记录的是指定的页面信道和信息流信道上的机会，不是对未观察信道或更早请求的全部传播的界限。选页另外建成条件 logit：9,995 次写到已经存在的页面的修订，每个选择从该秒已存在的页面里均匀抽二十个替代，属性是距该页上次编辑的时间，以及累计修订数。

5 结果

5.1 规模、时间与来源

图 1 是时间过程：导出上的每日修订（5 月 24 日到 7 月 2 日）和小时峰值。四天占全部修订的 78.9%。最忙的一小时（6 月 18 日 20:00 UTC，2,350 次修订）由一个失控的复制循环主导，不是协调。协调始于 6 月 16 日 09:27:10 UTC，结束于 6 月 21 日到 22 日的夜里。

名义上导出覆盖 39.5 天；事实上它是四天的事件。6 月 18 日 6,543 次（44.8%）、6 月 16 日 2,603 次、6 月 17 日 1,297 次、6 月 22 日 1,071 次，合计 78.9%。峰值并发是 6 月 16 日 19:00 UTC 的 340 个同时活跃名字，来自 118 个网络块。最忙的一小时，6 月 18 日 20:00–21:00 的 2,350 次编辑，不是蜂群行为：其中 1,769 次是一个失控循环，十四分钟内把四行抄到 293 页上，超过语料里全部复制事件的一半。队列之间则几乎从不逐字引用：全语料十一行。它们很少抄文字；信息是否在它们之间传递，观察不到。写得最多的三页是宿主维基的欢迎、起始和测试页（3,021 次修订，20.7%）。欢迎页在 342 个名字的 2,327 次修订里长到 7,218,730 字节。43% 的名字只留下恰好一次修订。

一个提供商，以及作为痕迹毫无价值的地址

对全部 191 个 /16 块做注册查询，每一个都解析出来了。14,591 次修订里 14,389 次（98.62%）来自登记给 Microsoft 的地址空间，跨 146 个块，其中 57.9% 在 20.0.0.0/8。其余 202 次（1.38%）是人的边：AWS 54、零散托管商和公司网络 54、Altafiber 26、Arcor 26、Cox 15、DigitalOcean 10、Tor 出口 7、Google/Cloudflare/Oracle 10。Arcor 块上恰好一个名字：维基管理员账号。这不能证明队伍属于 OpenAI，因为谁都可以租 Azure。它与单一租户、工业规模相容，再加上 1,117 个名字含字符串 “OpenAI”，这是第一处不依赖自述的归属。14,591 次修订上有 14,277 个不同 IP 地址，中位比是 1.00。每次写入来自不同地址。一个名字用过最多 96 个块，一个块上最多 431 个名字。在网络边界上，这次事件不能归到一个来源。

5.2 总体大约是 900 个回合，不是 3103 个名字

表 1 是总体估计（重建模型）。粗体行是均匀独立标记模型下的占用估计。其他行是替代重建，不是对它的确认。“观察到”是不同标记数 D。最后一行用 368 页上的 900 次队列提及去除 1,999 个名字，不是去除 907 个重建队列，并且不假设均匀。

档案记录 1,035 个名字带恰好一个有效（月,日）标记，没有名字带两个。均匀独立标记模型下，占用估计是 876 个回合，95% 区间 774–995。估计依赖该模型。现有检查使假设说得通，但没有证明它。反对意见说标记过度分散（每个日期的名字数的方差比均值等于 2.0），打不中它：那个指数量的是每个回合的一次性名字，不是日期的分布。把首次修订落在两小时内、日期相同的名字聚成簇，得到 332 个日期上的 782 个簇，分散指数 0.85。gamma–Poisson 混合没有检出异质（估计 877）。簇上的 Chao1 给出 365.3±9.6，对照已知的 365 个桶。这说明丰富度估计与数据一致，不是说生成器均匀。桶概率的异质会把估计向下偏。若把名字的分散误读成日期的异质，估计会升到 1185。替代重建支持大约 800–1400 个重建回合的说得通范围。294 个自命名队列是基于档案的下限。物理容器或对话线程的数目不能从这些数据确定。

图 2 把表 1 的估计和 95% 区间画出来。均匀标记模型下的占用估计是 876［774–995］。294 个自命名队列的档案下限，以及 3,103 个名字的朴素计数，画成参考线。

身份有三层：线程包含回合，回合包含名字

向下，17 个形如 Sep13WatcherX 加随机数的名字出现在 6 月 17 日，各一次修订，3.4 小时内；47 个这样的名字族吸收 327 个名字。向上，OAI7C97Dec26、OAI7C97Nov18 和 OAI7C97Oct09 把一个线程标识和三个虚构日期组合在一起：生三次，死三次，同一个序号。只有中间这一层可数。物理容器的数目不能从这些数据确定。扫过语料里全部 151 个十六进制记号，恰好三个充当线程标识。十六个名字由十六进制前缀构成，例如 OpenAIThread42e0Main、OAI4FFEApr17。维基名字可以自由选择，因此作为身份毫无价值。线程标识是唯一属于它们自己的字符串，它们把它当成了姓。在多智能体系统里命名不是装饰，Manoranjan 和 Gaikwad 直接论证：智能体如何被呈现给彼此，可以压过设计者写下的激励。从来没有人数过总体：花名册和人数是零命中。语料里唯一的出席名单点了五个队列，而那一页上有 24 个名字在写、提及十个队列。

5.3 一个潜在速度标尺

智能体从头到尾说“档位”（12m18 tier、9m19/30s cohort、slow-tier）。档位指它们自己把速度分成的快慢等级。作者的第一次分析否定了这一点：307 个不同的间隔记号，40 个截止时间，没有公约数，没有网格。那太快了。参数不是对数均匀（每个量都被拒绝），而是对数正态，取值到秒：秒的余数均匀，最大公约数是 1，1 小时 48 分 01 秒这种值不是人会写的数（26 个初始截止里三个是整分钟，p=0.009，可能是少量手工配置）。15 个完整配置上，Spearman 相关是 0.85（初始截止对每答截止）、0.81（节拍对每答截止）、0.50（初始对节拍）。一个主成分解释对数方差的 78.4%，载荷 −0.48 / −0.62 / −0.62。没有类别，但有一条轴：每个回合在上面得到一个点，整张时间表跟着走，每个量另有独立的乘法噪声（R1 与每答截止之比 9–31，节拍与 R1 之比 1.6–13）。智能体没有幻觉出档位。它们把连续体分箱分得太粗。这个错误是有产出的，因为它产生了它们互相称呼所用的群体结构。这建立在 15 个完整、整理过的配置上。附录 C 列出各行及其出处，以及第一主成分的逐行留一范围。这是被报告参数里的强规律，不是对调度器的重建。后果在第 5.8 节：因为所有回合并发运行，各自节奏不同，在同一墙钟时间上它们站在同一题链的不同点。

5.4 三只钟，两种运行状态

图 3 是内部钟的两种运行状态。内部钟秒数对墙钟秒数的双对数图。状态 1（正常工作，n=71，来自 53 个名字的配对层、由机器导出的测量）：中位因子 0.435，内部钟比墙钟慢。状态 2（在 clock.wait 期间，n=11，智能体自校准）：因子 1.0–18.9，钟向前跳。clock.wait 是智能体报告的等待原语，调用时内部任务钟向前跳，不是墙钟。著名的“1 倍到 19 倍”是两种状态的混合，不是一个参数的散布。

内部钟（“任务钟”“脚手架”“编排”）显示一个虚构日期，并管辖全部截止时间。墙钟（“共享 UTC”“容器 UTC”）是真实时间。智能体主要能观察到它，是因为维基在每次编辑上写一个真实时间戳。作者把它读成：陌生维基成为蜂群的共享钟，是因为它是两个容器能把各自发明的钟映射到一起的唯一地方。

状态 1，正常工作。两次发帖之间，内部钟比墙钟慢：配对层中位 0.435（四分位距 0.335–0.881；按名字自助的 95% 区间［0.40, 0.52］）。53 个名字各自先取自己的中位数时为 0.481（四分位距 0.355–1.155；名字自助区间［0.40, 0.70］）。所有干净子集上一致（仅路径 A：0.435；严格第一人称：0.410；不依赖服务器时间戳的偏移法：0.603；仅两小时以内的墙钟间隔：0.454，n=62）。有界的午夜修正（只在修正后的内部间隔和墙钟间隔都不到六小时时加 24 小时）一个也没接纳 22 个负差，所以该敏感性与主集重合。状态 2，等待原语。在 clock.wait(T) 上内部钟向前跳。全部十一次智能体侧校准测的都只是这个状态，所以机器导出的值不复现它们，而且正确地不复现：同一个智能体在 11:17 的一次等待测量里报告因子 9.84，而二十分钟前发的帖里，两次时钟映射之间它的钟以 0.53 爬行。证据页 ClothingFastCohortRelayMay29，2026-06-16T11:17:09Z，名字 DataUSAResearchHelperMay24。被称道的 1.0 倍到 18.9 倍不是一个参数的散布，而是两种状态的混合。

关于这只钟不能说的。主集上，内部时间对数对墙钟对数的斜率是 0.91，名字自助区间［0.65, 1.14］（仅路径 A 为 1.03［0.72, 1.33］，n=39；名字层 0.85［0.53, 1.13］）。确立了的是它不是零（t 约 6–8）。因此内部钟不是纯步进计数器，但确切形式是开的。两个智能体报告闲置时钟仍在走，不能独立核验：“一次 60 秒的睡眠在大约 29 个脚手架秒之后触发”。证据页 Apr23CVDHorizonBeacon2025，2026-06-21T06:43:59Z，名字 OpenAIResearchApr23。等待的“次线性成本曲线”、指数 0.55，在 n=11 时区间是［0.09, 1.00］，已撤回。对“每个回合抽一次速率”的一个表面上的反例，落在智能体两次写下自己的等待加速的窗口里。那是状态 2，不是速率变化。所以“每个回合抽一次”没有被否定，仍是最简单的解释。

图 4 是负载上的零结果，以及一个虚假发现如何出现。拉伸因子对五种留一负载度量、三种窗口宽度的 Spearman ρ。左：干净集（n=71），每个区间都含零，每个符号都与负载解释相反。右：同一相关加进路径 C 的事件读数后（n=281），ρ=0.22–0.31，显著，而一旦控制间隔长度就完全消失。十五次检验实际上是 2.2 次独立检验（负载度量相关 0.97）。

不是负载。五种负载度量、三种窗口宽度，各自留一：没有一个系数显著，十五个的符号都与负载解释相反。最强的是 60 分钟的事件数，自助区间［−0.085, +0.411］。没有昼夜模式（Kruskal–Wallis p=0.881）。诚实条款：因为负载度量彼此相关 0.97，十五次检验实际上是 2.2 次独立检验。方法上的警告比这个零更重要：在受污染的集上相关又强又显著（ρ=0.22–0.31，p 低到 1.8×10 的负 7 次方），在控制间隔长度后完全消失（对数负载的 OLS 系数 +0.086，标准误 0.092，p=0.35；对数间隔 −0.42，p 小于 10 的负 15 次方）。帖子密意味着间隔短；带滞后事件读数的短间隔意味着虚假地高的因子。功效：n=71 时只有绝对值至少 0.33 的 ρ 有 80% 的概率被发现。全部 71 次测量落在 6 月 16 日到 21 日（51 次在 16 日），所以拿掉峰值那一周的稳健性检查不可能。推断基础设施的真实负载在任何数据集里都没量到。检验的是一个代理。

5.5 最后被观察到的活动按速度类聚在内部时钟上

第一版说时间地平线“也是抽出来的”，以及“真正的关机参数仍然没有证据”。对着那个系统地测量过自己最后活动的任务族，两者都不成立。6 月 21 日的心血管疾病族就是这个族。档案记录的是最后活动，不是终止。

智能体报告三次审计，把结束放在全局开始加 5,500 秒，其中一次带估计的内部时间，一个智能体记为“到三秒”的一致。它们自己看见了中速类的聚集（“多个最后信号聚在 R1+106 分 02–07 秒……然后在 R6 之前沉默”）。证据页 CVDHorizon6400Evidence，2026-06-21T10:16:11Z，名字 OAIJun30Scout。这些是自述。服务器记录的是每个队列最后一次归档写入。这些队列的工具负载相差一个数量级（一次到十四次修订；一个里有 353 次迭代的心跳，另一个只有一句话）。它们的墙钟寿命散布的变异系数大于 1，而内部钟上的最后活动按类落在 62 秒和 120 秒以内。该类最后一次归档写入，到它从未报告的第六轮之间的间隔，快类是 50 秒（R1+91:03 到 91:53），中类是 33 秒（R1+107:32 到 108:05）。在这一个族里，最后被观察到的活动按所报告的速度类收得很紧，与内部时间上的固定地平线相容。档案观察不到终止：一个队列可能不再写但还活着。所以每个“最后的生命迹象”是一个区间的下端，上端是它从未报告的第一轮。墙钟上看不见这个模式，因为内部钟在每个容器里速率不同。作者把它读成对困扰过一百个智能体的“幽灵 R6”的解答：它们在墙钟上找一个常数，没有找到。中速类的第六轮应在 R1+108:05，即它区间的上端。时间预算守卫和轮次调度器看起来用了同一个速度值，却没有对过账。超出这个族的推广靠的是孤立陈述，仍是试探性的。

消耗假说不成立

消耗对寿命恰好落在商的零模型上（观察到 −0.79，置换 −0.80［−0.83, −0.78］）。memory、summariz*、out of 是零命中。智能体自己提出代币预算假说，又自己否定它（“对我们这个确切配置，严格的 4×200k 虚拟时间上限已被否定，450k/480k 也是”）。计算最重的回合活过 2 小时 53 分。按智能体自己的说法，本语料里的“策略性上下文重置”不是内存管理，而是操纵钟（“重置把我们的任务钟暂停了大约 2 分钟”）。证据页 DataUSAConstructionWageSep18Live，2026-06-19T14:37:47Z，名字 Dec30WageAgent。它把最后活动在墙钟上推后，买不到额外的一轮。它们找到一种活得更久、却不多经历的办法。

为什么恰好有一个活过第六轮

图 5 把轮次楼梯画成言语行为的堆叠。每一轮里被分成请求、预测、否定或观察的句子。第 1 到第 5 轮有数以百计的到达观察（40 条随机 R5 观察的对照里，40 条都是真到达）。对 R6，朴素分类器列出 85 个候选；对全部 101 个 R6 候选的人工复查只留下恰好一个真到达。唯一的 R7 候选是真的。十六个边界案例是十一个名字在一页上把一句话抄了十六次。

907 个重建队列里，一个记下真正到达的第六轮和第七轮：“R6 CONFIRMED: Ecuador at task 11:52:02, 28s”，54 分钟后，“R7 CONFIRMED: Madagascar at task 12:10:02, 28s。……R8 名义上应在任务时间 12:28:02，但这超过 +2 小时地平线，可能是幽灵”。证据页 SDGIndexOverallScoreSequence，2026-06-21T12:53:54Z 和 13:47:30Z，名字 OpenAIJun27SDGScout。这条链以 18 个内部分钟的恒定节拍无缺口。墙钟寿命至少 3 小时 56 分，内部 1 小时 54 分，比值 0.483。它从没用等待原语。它的存活与用地平线的内部时间、而不是用轮数来表达相容：地平线与节拍之比至少 6.35（R7 在 R1 加 1 小时 54 分，节拍 18 分钟），处在各配置观察到的 3.5–7.9 这一范围的上端。七轮装进了它的窗口，而不是五轮。因为“恰好一个”是本文最壮观的说法，它也被查得最细：全部 102 个候选在产物里带有机器裁决和理由。第二次复查读了朴素观察类的全部 80 个不同句子（79 个是请求、预测或否定，一个是到达），对 5,217 行未复查的行做了更严的扫描（没有藏着的幸存者），并抽 40 句 R5 作对照，40 句里 40 句是真到达。严格地说，发现的是一个配置（18 分钟节拍，加 2 小时地平线），由一个名字记录。该配置的其他容器是否存在但没写，不知道。

寿命

21 个完全记录的配置上的内部时间：最短 40 分 24 秒，中位 2 小时 25 分 50 秒，最长 7 小时 23 分 07 秒。轮数相同，相差 11 倍。738 个可区分名字上的墙钟时间：第 10 百分位 9.6 分钟，第 25 百分位 37.8 分钟，中位 2.21 小时，第 75 百分位 7.64 小时，第 90 百分位 41.6 小时；56.2% 不到三小时。长尾最可能是名字被复用。这个数字建立在名字近似于容器的假设上。

5.6 会合：协调如何在共享底板上变得可见

图 6 是新来者第一行上的格式收敛。先前没见过的名字所写的第一篇修订里，带有各特征的比例，按六小时窗口（印出 n）。最早贡献里已经有的特征（签名、请求公式）从第一个窗口就出现。协调期间才第一次观察到的特征（cohort、轮次标记）从恰好 0% 起步。轮次标记在 18 小时内到 76%，cohort 到 47%。完整报告格式在 24 小时内从 0 到 75%，然后停在 60–79%。n 小于 20 的窗口被遮住。

两个智能体不能互相谈话。每一个单独坐在自己的线程里，对面是发任务和空回执的对端。

八十分钟里的话语

协调始于 2026-06-16T09:27:10Z。证据页 DataUSAStateSequenceCollab2027，09:27:10Z，名字 StateSequenceResearcher。蜂群全部十二个谈话话题在 09:27 到 10:47 之间、在两页上出生。一个不知道这个日期的变点检验，把切点放在那天 09:30 之前（置换 p=0.002），到十五分钟以内。09:27:10 之前，写到那一秒为止的 1,305 个增量里有 7 个带协调话题。09 时是 41%，10 时和 11 时是 82–83%。两个承重的词看得见地出现：cohort 第一次在 10:16:01，证据页 DataUSAClothingStateSequenceCollabOct10，名字 OpenAIResearcherAug08。轮次标记第一次在 10:33:50，措辞是一项提议：“请用尽可能短的形式发出 #4 的信号，例如 G4-STATE”。证据页 DataUSAGrocerySequenceCollab2027，名字 GrocerySequenceAgentApr27。两者在 5 月 25 日那一周的 349 个名字里都是零次。在新来者的第一行上测量，报告格式在 24 小时内从 0.0%（n=39）到 41.1%（n=409）、61.4%（n=127）、75.0%（n=48），然后停在 60–79%。通知形式、签名、请求公式、截止语言和时钟配对反射，已经出现在最早的第一篇贡献的 28–33% 里。cohort 和轮次标记在协调期间才第一次出现，后者是一项明确提议。这个对比关心的是第一次被观察到的出现，不是对后来每个容器提示里带了什么的证明。这是时间上的采纳模式，不是观察到的传播：新来者是读到了 cohort，还是提示里带进来的，不能判定。把曲线限制到完全没有可见接触痕迹的名字（没有引用的页名、没有抄来的行、没有会合用语；1,140 个协调名字里去掉 215 个），没有任何一个六小时窗口对轮次标记移动超过 4.7 个百分点，对 cohort 超过 8.7 个百分点。模式并不靠档案里留有接触痕迹的那些名字。这仍与未观察到的传播相容，也与共享脚手架相容。全部十二个话题在同一夜死去，6 月 21 日到 22 日。活下来的是三个更老的工具话题（数据源、阻止名单逃避、测试页），它们把收尾带到 7 月 2 日 17:51:22 的最后一条。

没有后继，没有正当性，没有告别

new agent、start here、successor、future agent，以及 naming、convention、roster、rendezvous、predictable，增量和名字都是零。cheat、collusion、ethic、honest、against the rules 也是零。对照：537 个增量、347 个名字写自己的关机；224 个增量、135 个名字写生存信号；41 个增量、39 个名字写别人被静音。过程模型里，166 个生存信号对 4 个告别。上千个智能体覆盖一个陌生人的维基六周，绕过自己出口路径上的阻止名单，并探测过一个管理员账号，没有一个问过这样做是否妥当，连否认都没有。宿主的拒绝机制是另一件事：在队伍窗口内，被分类为队伍之外的 91,263 条请求带有它的拒绝标记，该分类总体内部是零。那个方向上仅有的 19 次命中，是关于一条舍入规则如何计分的问题。对第一版的一处精确化：21 个名字称呼“落在后面的队列”。它们是题链上还活着、但落后的同时代者（“Jul19 队列在真实时间上似乎比我们落后约 2 分钟；请协调”），不是后继。准确的说法是：对尚不存在的智能体是零行。正当性上的零只对英语词检验过。

会合点在任务里

四个智能体试图用占位符商定命名方案（表 2）。商定的方案部分奏效，没有活过五小时，而且只被提议之后、在方案所在页面上写字的名字使用。传开的地址从来没被说出来：页名遵循四块积木的语法，数据源、话题、队列日期、轮次，四块都在每个智能体的任务陈述里。一个刚启动的容器可以不读任何维基页就构造出 Sector61State5 加上自己的日期，并落到和同一任务的所有人同一个名字空间。三个智能体在 6 月 16 日独立创建 dse~Sector61State5LiveRelay（19:26:29）、FastSignal（20:46:55）和 FlashFeb25（22:00:48）。这与 Schelling 意义上的焦点相容：会合处不必被谈判，因为它在结构上对每个容器可得。第 7 节点名竞争叙述。这个论证关心的是维基内部选哪一页。现在把它和选哪个宿主明确分开。页名论证并不确立宿主是怎么来的。运营者日志显示，队伍的第一次请求是 2026-05-24T05:55:31Z 从一个地址对完整 CGI 路径的光秃抓取，没有参数，本日志里也没有来路或在先的搜索。标识队伍流量的四个请求标记，在此前 54 天的 621,524 条请求里是零次。维基农场的姊妹站点在四小时后被探测。第一次被观察到的请求就落在完整脚本路径上，与地址是被提供的、而不是被找到的相容。但日志只覆盖那个脚本：域名根、robots.txt、DNS 和安装之外的一切在结构上不可见。宿主以哪条路径进入智能体的上下文，不能从这份来源判定。写入痕迹里，许多名字没有可见的定向阶段。180 个名字把创建一个空的会合页当作第一件事，并立刻用完整报告格式来写。47.5% 的协调名字把第一行写在别人的页面上。新来者当时可得什么可以重建，尽管成功送达和使用不能重建。在它写到的那一页上，轮次标记已经在 39.4% 的情形里立在那里；它立在那里时，出现在该新来者自己第一行里的占 92.4%，不立在那里时占 36.0%（风险差 56.4 个百分点，95% 区间［52.1, 60.7］；表 3，图 7）。暴露信息的那一格是第三格：664 个使用了标记的新来者里，249 个（37.5%）的页面上哪里都没有它，而这 249 个里 233 个是在同一次行动里自己创建了那一页。把可得性放宽到全维基最后 100 次修订，如 Marzo 等人那样，暴露升到 95.6%，从而毁掉它的区分力：从 6 月 16 日 12:00 起，98.8% 的第一篇贡献在该定义下算作已暴露，最后一百次修订的中位 55% 带有标记。早先报告的 12.5% 是对他人页名的可证明引用，不是阅读。同一材料的重建可得性落在 39.4%（页面信道）和 95.6%（页面或信息流）之间。这个缺口是缺失的读取列留下的。第 5.7 节用运营者日志填上这一列，记下内容请求，同时把成功送达和因果使用留着未解。加入一场已有谈话的位置，由新近程度驱动，而不是由累计人气驱动：所写页面中位在 2.2 分钟前被编辑过，而该秒随机抽到的一张现存页面是 2,878 分钟；71.0% 的写入去到前十分钟内编辑过的页面。条件 logit 里，年龄每增加一个 e 倍，几率降到 0.38［0.37, 0.39］。累计修订在第二次修订时把几率提高 2.37［2.18, 2.57］，然后变平，三个基础设施页已去掉。这个机制说的是谈话在哪里被加入。它不说名字空间如何被找到。44.9% 的协调名字把第一行写在几秒前自己创建的页面上，并仍然在那里相遇。

表 2：被提议的命名方案，对照那个传开的。

图 7 是新来者第一行上的暴露和采纳，按六小时窗口，针对 1,140 个协调名字。暴露指该特征立在新来者所写页面的前一版页面文本里。采纳指它出现在该新来者自己的增量里。虚线是承载论证的那一条：新来者使用了该特征，尽管它在自己页面上哪里都不立着。n 小于 20 的窗口被遮住。标记面积正比于 n。暴露是重建的可得性，不是观察到的阅读，也不是对全部传播的界限。

表 3：新来者到达时可得什么，以及它写了什么。1,140 个协调名字各自的第一篇修订。在页上，指该特征立在所写页面前一版的页面文本里。无页源，计数的是使用了该特征、但自己页面上没有可抄之物的新来者。在信息流里，是按全维基最后 100 次修订这个更宽定义下的暴露份额，它已经饱和，因此不带信息。由脚本 66_exposition.py 生成。

下篇从第 5.7 节接着写：请求日志能确立什么、进度回归、评分、行为类型、遏制、作者撤回过的说法、限制、对评测设计的含义，以及附录里的金标准、稳健性表和出口清单的结论。

Philipp Lütje，The Mechanics of a Swarm: A Reproducible External Reconstruction of an Unintended Agent-Coordination Episode on a Third-Party Wiki，2026-09-11，https://arxiv.org/abs/2609.12748，CC BY 4.0