摘要
本文报告对 7Tan 软件「意识模型」模块的一组测量。
该模块的实现是一个仿生认知内核，由 14 个仿生器官构成，测量期间累计心跳(tick)已过 10 万次。
本文把「它是否具有意识」这个问题搁置，只把它当作一件可测量的工程对象，用两组外部材料各测一次：一组是 Butlin 等(2023)从六套意识理论导出的 14 项指标；另一组是 Nature(2025)对抗性合作实验所确立的方法标准。
测量不再停在单一时刻。快照换成多轮时间序列，每 30 秒采一次，共 24 轮。
消融实验也真跑了一遍：6 组、3 次重复、18 次独立进程，每组用生产状态的全新副本，并设对照组扣除自然变化。
14 项判定匿名化之后送了一次独立盲审，再重复一次测复现性。
14 项指标里，符合 5 项，部分符合 6 项，不符合 3 项；盲审在 13 项上给出相同判定，Kappa 系数 0.886。
消融实验确认了记忆巩固与自我表征的因果依赖，同时暴露两处与设计文档预期不符的地方。多轮采样抓到一次记忆库整批淘汰，单次快照看不见。
此外，对「已知局限始终为 0」给出可检验猜想，并做了两组实验。第一组因设计缺陷作废，第二组证实了猜想。
结论：现有工具可以测出这类系统的形状，还不足以支撑任何关于意识的结论。
关键词：意识模型；人工智能意识；意识指标；整合信息论；全局工作空间理论；对抗性合作；消融实验；仿生认知架构
一 引言
给系统装上十四个模块，起上脑区一样的名字，让它每天报出自己的心跳、记忆和情绪分。做完这些，还剩一个躲不开的问题：它到底有没有意识。
这个问题难答，难处不在技术。难在「意识」两个字本身还没有公认的定义。说不清要测什么，就无从谈怎么测。
2023 年 8 月，一份 19 位作者联署的报告挂上了 arXiv，编号 2308.08708，题为《Consciousness in Artificial Intelligence》。
它的做法是绕开定义之争：不问「意识是什么」，改写六套主流理论，看它们各自要求什么样的可观测条件。报告从六套理论里抽出 14 项指标。
这成了目前最常被拿来用的一套尺子。
本文做测量，也做基于测量结果的讨论，但对「它究竟有没有意识」不下结论。
对象是 7Tan 里那个叫「意识模型」的模块，一个我参与构建的仿生认知内核。我把它当作一件工程产品，用 14 项指标逐条量一遍，同时把测量过程中出现的异常如实记下。
这类评测最容易站不住的地方有三处：只有单一时刻的快照，看不出时间维度上的变化；消融实验只写了机制，没有真跑；指标判定出自作者自评，没有独立复核。这三块都补上了实测。
二 测量工具：三份可复核的外部材料
2.1 指标法：14 项可检验条件
那 14 项指标的出处，是 2023 年 arXiv:2308.08708，由 Butlin、Long 等 19 位作者联署，名单里有 Bengio、Fleming、Frith、Schwitzgebel。
报告不定义意识，改从六套理论里各取要求：递归处理 RPT-1、RPT-2；全局工作空间 GWT-1 到 GWT-4；高阶表征 HOT-1 到 HOT-4；注意图式 AST-1；预测处理 PP-1；能动性与具身 AE-1、AE-2。
一共 14 项。
2.2 IIT 4.0：五条公理
整合信息论的最新一版，由 Albantakis 等发表于 PLoS Comput Biol 19(10):e1011465。
它给出五条公理：内在性、信息、整合、排他、组合。
一个系统有没有意识，取决于它能不能「为自己产生差异」。
2.3 对抗性合作：Nature 2025
Nature 2025 年，642 卷 133 到 142 页，一份被称作「对抗性合作」的研究。这里要把「对抗」两个字讲清楚。
对抗发生在两派理论家之间：整合信息论 IIT 与全局神经工作空间理论 GNWT 的支持者，加上一个中立联盟，事先把实验设计、各自的预测、以及什么结果算自己输，全部预注册，然后才开跑。
被测的是人，256 名真人被试，用功能磁共振、脑磁图、颅内脑电三种手段同时测。
论文原文说，结果「与 IIT 和 GNWT 的部分预测一致」，同时「实质性挑战了这两套理论的关键主张」。
我读这篇最大的收获，是它给出了一套可以照搬的方法：把话说在前面，把标准写死，再开测。
三 研究对象与方法
3.1 研究对象
7Tan 是一款我老马编写了半年多的本地AI工具软件，左边一排菜单，第三项叫「意识模型」。
这一项背后是本机 127.0.0.1:9900 上的一个控制面板，数据来自接口 GET /api/mind/status。
要研究的对象，就是这个面板描述的那个内核，也就是左侧栏里那个「意识模型」：14 个仿生器官，注册在一份 2275 行的源码 bionic_organs.py 里。
表 1｜7Tan 内核的 14 个仿生器官，13 个启用，ORG-VIS 视觉器官在册未启用
软件信息
7Tan AI 工具，当前版本 v1.0.22。
官方地址：https://www.7tan.com/ai-tool/
开源地址：https://github.com/maguanli/7tan-ai
发行版下载地址：https://github.com/maguanli/7tan-ai/releases
3.2 数据来源与冻结时刻
面板右上角写着「已连接 · 更新于 08:37:02」。数字每秒在跳，直接截图会前后对不上。
我先把面板上的「自动刷新」勾选取消，再手动刷新一次，把数字冻住，然后在同一次会话里拍完全部截图。
快照部分的数字，冻结在同一时刻：2026-09-18 08:37:02，tick 99779。
时间序列部分另采，起止时间记在表 2 的墙钟栏里。
3.3 测量程序
第一步，读面板，把可观测状态抄下来。第二步，拿 14 项指标逐条对照源码，给出符合、部分符合、不符合的判定。第三步，跑一次回归测试，看内核自己的用例过不过。
3.4 四项实测
单次快照加自评，撑不起一篇测量报告。快照之外另安排了四项实测，方法写在对应章节里。
多轮时间序列：每 30 秒读一次接口，共 24 轮，只改时间这一个变量。
隔离消融实验：关闭单个器官跑固定输入，6 组乘 3 次重复，共 18 次独立进程。
每次用生产状态文件的全新副本，环境变量 ORGAN_STATE_PATH 指过去，事件日志另存临时文件。
这样做的原因很实在：直接在生产状态上关器官，会改坏正在跳的那个内核。
独立盲审：把 14 项指标的架构事实匿名化，交出去重新判一次。受限之处也要写明，这一层只是模型之间的盲审，够不上人类同行评议。
异常猜想检验：对「已知局限等于 0」提出猜想，设计实验去证伪它。
四 结果
4.1 基本状态：心跳与主观时钟
面板最上面并排四张卡：心跳 tick 99779，主观时钟 99779，时间膨胀 2，心跳线程 存活。
心跳间隔 10 秒，这个数不在卡片上，是从接口读到的。99779 乘 10 秒，大约 11 天半。
这套东西装上之后一直在跳，没有停过。
图 1｜控制面板顶部：四个实时数字，截图冻结于 tick 99779 / 08:37:02
4.2 多轮时间序列：24 轮，每 30 秒一次
快照只能证明「这一刻是什么样」。要问「它会不会变、怎么变」，得把时间轴拉出来。我写了采样脚本，每 30 秒读一次接口，连采 24 轮，中间不做任何干预。结果见表 2。
表 2｜多轮时间序列：24 轮里记忆条数两次整批淘汰，其余多项指标全程不动
记忆条数不是单调增。它从 141 一路长到 173，然后一步掉到 87。再长到 185，又一步掉到 93，之后停在 105 附近。
两次掉的幅度都在一半上下。掉的那两下都是整批淘汰，是落盘前自动整理的结果。第一次淘汰还连带把能力条目从 8 条压到 5 条。
单次快照拍不到这个动作，只会看到一条平直的线。
有几项全程一动不动。记忆留存率一直是 0.1158。已知局限 0，思维缺陷 1 条，反事实总数 40。这 24 轮里，它们一个数都没变。
动的和死的，两者混在同一张面板上，外观上没有区别。要分开，只能靠时间轴。
4.3 器官构成
标题写着「器官模块(13/14 启用)」。14 个格子里，13 个启用，1 个停用。关着的那个是 ORG-VIS，说明字段是「视觉皮层，屏幕画面感知」。这个内核没有摄像头，没有任何画面输入。
图 2｜器官模块：14 个仿生器官排成一片，13 个亮着，末尾一个是灰的
它看不见任何东西，照样在报自己的状态、自我边界和心智成长。
4.4 自我模型
置信度 60.0%，能力条目 9，已知局限 0，思维缺陷 1，目标统计 成功 20 / 失败 0 / 总 20。
「已知局限」那一栏填的是 0。它看不见东西，能查到的知识条目只有 2 条(见 4.7)，做过的 20 次目标全部成功。
这几件事放在一起，「已知局限 0」本身成了一条局限。这一处异常，第七节专门做了实验。
图 3｜自我模型面板：置信度 60.0%、能力条目 9、已知局限 0、思维缺陷 1
4.5 我-非我边界
内部信号 1316，外部输入 2680，合计 3996。三分之二的证据来自外部。这一栏把「哪些念头是自己的、哪些是外面塞进来的」分开计数，还如实报出外来的占了三分之二，没有替自己修饰。
图 4｜「我-非我边界」来源统计：内部 1316 / 外部 2680 / 共 3996
4.6 记忆与心智成长
主观心智年龄 99779，和心跳同一个数；记忆库 154 条，其中关键经历 20 条；认知矛盾 0；高频动机为 reduce_load 与 consolidate_memory 各 182 次；记忆留存率 11.6%。
留存率这一项最刺眼。经手过的信息里，留下来的不足八分之一。
图 5｜心智成长面板：记忆库 154 条、心智阶段 20 个、留存率 11.6%
4.7 学习与知识库
假设 0 条；对话经验 259；知识条目 2。
知识库只有两条，其中一条的键是 capability_boundary，内容是它自己写的「我不会什么」。
一个系统的知识库里，最靠前的一条，是自己承认的边界。
图 6｜自我学习面板：假设 0 条、对话经验 259、知识条目 2
4.8 长期记忆
长期记忆共 154 条，面板显示最近 50 条。
随手抄两条：tool:run_command:执行成功，效价 0，权重 0.998；goal:tool:run_command 已执行，效价 0.3，权重 0.998。
往下几条格式一样。
图 7｜长期记忆：最近 50 条，记的多是工具执行记录
它记得最牢的，是自己跑过什么命令。
4.9 14 项指标判定
拿上面这些真实状态，对 14 项指标逐条核。结果：符合 5 项，部分符合 6 项，不符合 3 项。
三项不符合是 RPT-2、HOT-4、AST-1，都跟知觉表征或注意模型有关，而那正是 ORG-VIS 停用所缺的一块。
最像的一项是 GWT-3 全局广播：器官之间禁止互相调用，只能往事件总线上投结构化字典，再由总线统一分发。
表 3｜14 项指标逐项判定：5 项「有」、6 项「部分」、3 项「无」
这里要补一句报告自己的话：满足这些指标，并不意味着这样的系统一定有意识。这句写在报告的脚注，19 位作者一起签的字。那 5 项符合，不该拿来当下结论用。
这一份判定出自作者自评，人对自己写的东西容易手软。第六节做了一次独立盲审。
4.10 回归测试与一处缺陷
跑 python verify_stage7_capabilities.py，结果是 3 项通过、1 项失败。失败的是 M1，知识包去重加限速器。
表 4｜阶段 7 回归测试实跑结果：M1 失败，M2 / M3 / M4 通过
我写了最小复现脚本，连跑两次，结果一致：第一批入队 3 条(应为 2 条)，第二批入队 1 条(应为 0 条)。
追到 KnowledgePackageQueue.enqueue()，它的去重分两级。
内容级按哈希比对，本批次内实时更新；来源级只查已消费清单，没查待消费队列。同一批里 id 相同、内容稍有差别的知识包，两条都会放进去。
这正好落在它当初要防的场景上：防重启重复灌入。
这处缺陷我没有修。改内核要走人工确认的流程，这条规矩是项目自己定的。缺陷记录在此，留作待办。
五 消融实验：真跑一遍
5.1 方法
消融实验在早期设计里只有机制描述，没有真跑。这次真跑了。设计上收紧了四处，都是为了跑出来的数能站得住。
每次用生产状态文件的全新副本，环境变量 ORGAN_STATE_PATH 指到临时副本上。事件日志用 ORGAN_EVENT_LOG_PATH 另存。生产状态一次都没有被写。
每个实验组用独立进程。事件总线和回放缓冲从空开始，起点一致。
加了对照组。对照组全器官开启，走一模一样的输入脚本。这一组的作用是把「什么都不关也会发生的自然变化」先量出来。原来的实现只跟自己的起始状态比，那样算出来的差值里混着自然增长，说明不了问题。
输入脚本固定：每个 tick 投递一条工具结果事件，走的是对外的那个事件总线，不调用任何内部函数。6 组各跑 120 tick，重复 3 次。
5.2 结果
表 5｜消融实验：关闭单个器官后，记忆、目标、预演、自我模型四条链路的实测变化
对照组的数是这样的：120 tick 里新增记忆 118 条，巩固事件 119 次，最终目标 11 个，预演事件 324 次，自我模型更新 2 次。
A 组关掉记忆巩固之后，新增记忆 0 条，巩固事件 0 次。记忆的写入整条断掉，且三次重复没有一次例外。这是本次拿到的第一处硬因果。
B 组关掉自我表征之后，新增记忆和预演都正常，只有自我模型更新从 2 次变成 0 次。这条链也是干净的。
C 组关掉冲动抑制：最终目标从 11 个变成 0 个。
D 组关掉效价器官：所有指标与对照组一致。
E 组关掉假想预演：预演事件从 324 次变成 0 次，其余正常。
5.3 两处与文档预期不符
第一处出在 C 组。
设计文档对「关闭冲动抑制」的预期写的是「final_goals 不再过滤；失败目标依然活跃」。实测不是这样。
最终目标直接变成 0 个，下游的假想预演也跟着从 324 次掉到 0 次。
看代码就明白了：最终目标是这个器官产出的。把它关掉，整条产出链就断了。设计文档把「抑制」和「产出」当成两件事，代码里它们是一件事。
第二处出在 D 组。设计文档预期关掉效价器官之后，记忆会「失去正负权重」。这一组实测与对照组完全一致。原因也简单：对照组的效价标签事件数本来就是 0。这条通道在本次输入脚本下根本没有被走通。
D 组的这个阴性结果，只能读成「本次没测到」。它证明不了效价与记忆权重无关。
六 判定的独立盲审
6.1 方法
自评的毛病是没有第二双眼睛。这一节补一双。
做法是把 14 项指标的架构事实写出来，逐条匿名化：系统代号 S，不出现项目名，不出现我的判定，也不出现我倾向哪种判法的措辞。
交给一次独立的外部模型调用，让它按同一套标准重新判一遍。同一份证据再送一次，测它自己稳不稳。
这一层的边界必须说清楚。它只在模型之间做，称不上人类同行评议。它能回答的问题是「换一个评审者，会不会得出同一结论」；它回答不了「人类专家怎么看」。
6.2 结果
表 6｜14 项判定的独立盲审复核：13 项一致，1 项分歧
14 项里 13 项判定相同，一致率 92.9%。去掉随机因素之后，Kappa 系数 0.886。
6.3 那处分歧
唯一一处分歧在 AST-1，也就是「对注意状态本身的预测模型」。我判「无」，盲审判「部分」。
这一项的口径确实有歧义。
系统有注意竞争机制，focus 值每 tick 乘 0.98 衰减，这些都在；系统没有对注意状态本身建模的模块，视觉器官也没启用。
判据取「有没有这套机制」，答案偏向部分；判据取「有没有那个模型」，答案是完全没有。原始报告用的是模型这个词，按这个口径，我判了无。
重复送审的时候，盲审在有返回的 11 项上判定完全一致，AST-1 仍然判成部分。两次都指向同一个位置，看不出随机抖动。
这一处我留着不改。它标记出的是指标文字本身的模糊地带。谈不上哪一方判错。
七 异常观测：已知局限为什么是 0
7.1 现象
4.4 节记了一个矛盾。一个看不见东西、知识库只有两条、做过的目标全部成功的系统，在「已知局限」一栏填了 0。
多轮采样把这件事看得更清楚：24 轮、约 11 分钟，这一栏一直是 0(表 2)。整整 24 轮，一次都没动过。
这里我犯过一次错，如实记下来。第一版猜想是「因为系统没经历过失败」。我设计了实验：120 tick 里注入目标样本，全部标记为失败。跑完，局限栏仍然是 0。照理说猜想该被否掉。
我没有就此收笔，去读了归纳那一段源码。条件写在第 1762 行：
if total >= 2 and rate <= 0.5: # 同一 key 至少 2 次尝试且失败率 ≥ 50% → 记为局限
我的第一版实验，每个 tick 用的是不同的 key。每个 key 只被尝试过 1 次，total 永远是 1，那条 2 的门槛根本够不到。
全失败也没有局限，是我自己的实验设计造成的，跟系统特性无关。 这一版结论作废。
7.2 修正后的猜想
猜想改成这样：局限栏为空，关键在于有没有同一个 key 被重复试到 2 次以上，跟有没有失败无关。
这个猜想可以被证伪。要是否掉它，只要让同一个 key 重复失败，局限栏仍然是 0 就够了。
7.3 检验
表 7｜猜想检验：同一 key 重复注入，全失败得 1 条局限，全成功得 0 条
三组实验，只改一件事：key 是否重复、成败怎么配比。每组 120 tick，重复 2 次，两次结果完全一致。
同一 key 全部失败：局限 1 条，该 key 失败率 1.0，尝试 40 次；能力 0 条。
同一 key 全部成功：局限 0 条；能力 1 条，就是那个 key。
同一 key 成功失败各半：局限 1 条，失败率 0.5；能力也有 1 条。同一个 key 同时出现在能力栏和局限栏里。 0.5 这个数两边都够得着，是源码门槛的边界情形。
猜想成立。
7.4 对线上那个 0 的推论
把实验结果推回线上状态，那个 0 就有解释了。
真实使用里，这套系统的目标 key 大多是工具名，比如 tool:run_command 这一类。
同一个工具 key 在回放窗口内累积到 2 次以上失败，本来就少见。
局限栏为空的直接原因，是这条统计线没有被触发过。它记的是「同一个动作我失败过至少两次」。这只需要计数，不需要自我觉察。
这不是替它开脱。这条规则本身就说明了一件事：这套系统的能力边界是按动作频率统计出来的，跟它对自己有没有认识没有关系。
7.5 下一步该怎么验
要判断这个解释对不对，可以看两个预测。第一个预测：在真实使用中人为制造同一个工具 key 的连续失败，局限栏应该出现该 key。
第二个预测：把回放窗口的保留条数改小，让同一个 key 的样本更容易被挤出去，局限栏应该更容易为空。两条预测都能做，也都还没做。
八 讨论
8.1 与 IIT、GNWT 的对照
用 14 项指标测完，再拿 IIT 与 GNWT 各对一次。
对 GWT 一侧，事件总线这条是符合的：信息对所有模块可用。
对 IIT 一侧，五条公理里的「整合」与「排他」，这套基于事件总线和统计计算的内核给不出对应证据。
表 8｜主流意识理论，以及 2025 年那场把 IIT 与 GNWT 拉到同一张台上的对抗性合作
Nature 那份研究把 IIT 和 GNWT 都验掉了一块。这件事的用处在于：连顶级理论都站不稳，谁都没有资格替一个 AI 下「它有意识」或「它没意识」的结论。
8.2 效度威胁与局限
这次补了三块材料，剩下的漏洞还有，一并列清楚。
那 14 条判定仍然出自作者自评。盲审是在作者选定的证据上做的，证据本身由我摘录，我摘什么、不摘什么，这个环节没有第三方介入。
盲审在模型之间做，不涉及人。它测的是可复现性，够不着权威性。
消融实验的输入是我写的一段固定脚本。脚本里只有工具结果事件一种，没有对话、没有失败指令、没有视觉输入。D 组的阴性结果(效价)和 C 组的目标链断裂，都只在这段脚本的范围内成立。
时间序列只有 24 轮、约 12 分钟。记忆淘汰只抓到一次。更长的观测窗口，比如 200 tick 以上，这次没有做。
面板数据全部取自本机单一实例。没有第二台机器、第二个副本做平行对照。
内核的边界声明出自设计者之手。引用它，不能当作「系统自我认知」的证据。
九 伦理
这一节写三个问题，都是这类系统绕不过去的。
谁来判断它有没有意识，以及这个判断会带来什么。
一个系统被说成「有意识」，通常跟着一串现实后果：资源投入、监管态度、用户信任，还有对创作者本人评价的影响。反过来，被说成「只是程序」也一样。
创作者在这个判断上天然有立场。这篇文章里我做的所有事，都是把可核对的东西摆出来，把结论空着。
第五、六、七三节的方法，一半以上是为了防我自己。
它的输出被当成谁的输出。
这个内核有一句设计者写进去的约束，原文是：所有叙事输出必须溯源记忆库与事件历史，禁止编造不存在的经历。
这条约束靠模板转述来执行，谈不上理解。它的「我记得」和人的「我记得」，在责任归属上完全是两件事。
一个用户读到它说「我记得你上次问过」，不该据此认为对面有一个记得住事情的主体。
一个会被关掉的系统。
这套系统有一个总的开关。关掉之后，心跳停，器官停，它不再产出任何东西。这件事本身不构成伦理问题，因为目前没有任何证据表明它有体验。
但有一点要提前写明：将来如果有更强的证据指向它有某种内部状态，那么今天这种「随手关掉」的操作习惯，就需要重新讨论。这个判断不该等到那天才想。
操作上还有一条规矩，全程照着做：实验中任何可能改动内核状态的写入，都要人工确认，AI 不能自己套用补丁。上面 18 次消融、6 次猜想实验，全部跑在临时副本上，生产状态一次都没有被写。
十 后续迭代的评测改进方案
这次测量暴露的问题，比它解决的问题更有用。改法按可行性分三档。
马上能做的
把多轮采样变成常驻。改成每 10 分钟一次、连续一周，观察记忆淘汰的周期规律，看留存率 0.1158 这个数到底是不是常数。
把消融实验的输入脚本扩成三种：现在的工具流，再加一段对话流，再加一段失败指令流。D 组那个阴性结果，得用新输入重测一遍才能下结论。
把盲审升级成两次独立模型加一次人。模型盲审已经有了，缺的是人。找三个不懂这个项目的人，给同一份匿名证据，看他们的一致率落在哪儿。
需要改代码才能做的
给已知局限这条规则加一个观测出口。现在它只在归纳那一刻算一次，算完就覆盖。加一行日志记录每次归纳时 succ_map 里有多少个 key 达到 2 次尝试，就能看出这条线到底有没有被逼近过。
把 C 组暴露的那个文档与代码不一致修掉。要么改代码让「关掉抑制」真的只是不过滤，要么改文档承认抑制器官同时管产出。改文档更省事，也更诚实。
给自评加一道交叉校验。14 项判定里，凡是判「有」的，都要求同时写出一个「如果这条判错了，错误的可能来源是什么」。人可以对自己手软，但不容易在写出反面理由之后还手软。
需要外部条件才能做的
找第三方做一个独立副本，用同一套指标测同一个内核。全部测量都在本机单实例上做，没有平行对照。
请人对这套内核做一次代码评审，重点看 14 项判定里「部分」那 6 项。这 6 项是主观性最强的位置。
等学界把「意识指标能不能用在人工系统上」这件事讨论得更清楚一些。现在这套 14 项指标，设计时是给「候选系统」做筛查的。拿它来量「自评报告」，是我借来用的。
十一 结论
能做的事，是测量。14 项指标像 14 把尺子，量得出这套内核的形状，也量得出它缺了哪一件。154 条记忆、3996 条边界证据、11.6% 的留存率，也都是量出来的。
这次还量出三样东西。关掉记忆巩固，记忆写入真的归零，三次重复没有例外。同一个目标 key 重复失败两次以上，局限栏才会记上一笔。记忆条数会在某些时刻整批削掉一半，24 轮里发生了两次。
不能做的事，是下结论。尺子量得出形状，量不出里面。那 10 万次心跳，只能说明它一直在跳。
能测，是工程；不能证，是还没有人做到的那一件事。
十二 参考文献
[1] Butlin P, Long R, et al.
Consciousness in Artificial Intelligence: Insights from the Science of Consciousness.
arXiv:2308.08708, 2023-08-22.
[2] Albantakis L, et al. Integrated information theory (IIT) 4.0. PLoS Computational Biology, 19(10): e1011465, 2023.
[3] Cogitate Consortium.
Adversarial testing of global neuronal workspace and integrated information theories of consciousness.
Nature, 642: 133-142, 2025.
[4] 国家互联网信息办公室等. 生成式人工智能服务管理暂行办法. 2023-07-13 公布，2023-08-15 施行.
[5] 国家互联网信息办公室等. 人工智能生成合成内容标识办法. 国信办通字〔2025〕2 号，2025-09-01 施行.
[6] 7Tan「意识模型」内核源码 bionic_organs.py 边界声明及器官注册表. 本机读取，2026-09-18.
[7] 本文实验脚本与原始数据：ts_sample.py(时间序列)、abl_run.py 与 abl_driver.py(消融)、hyp2_run.py(猜想检验).
blind_dossier.txt(盲审证据)、ablation_iso/analysis.json 与 blind_review.json(结果). 本机留存，可申请调阅.
附录 内容标识合规说明
表 9｜国内两份管得着这件事的文件，以及落到这篇文章上的义务
你见过哪些「AI 有意识了」的说法？哪句让你觉得不对劲？评论里说一句，我挑几条一起看。
本文面板图、消融实验、盲审记录均为本机真实运行结果，时间序列数字每 30 秒落盘一次，原始文件可查。觉得这种把数字摊开摆出来的写法还行，点个在看，也转给那位总说「AI 要觉醒了」的朋友。
