# STUDY — 模型注意力懈怠：一次真实观测与对抗工程

> 公开研究笔记（聚合数字+测量方法；不包含任何会话原文）。数据来源与复现方法见文末。
> 相关：docs/DATA.md（原始指标表）· scripts/measure.mjs（开放测量工具）

## 1. 现象：长程任务里，验证会悄悄消失

在 DSH（DeepSeek Harness）的长程多步任务中，我们观测到一类稳定模式：**任务推进到中后段，
模型对"验证/核对"类动作的投入显著衰减**——表现为工具调用稀疏、图像/画面核对归零、出现
"做过即通过"的惯性。我们把它称为**注意力懈怠**（attentional slack）：不是能力不足，
而是注意预算在长程里被惯性侵蚀。

这不是理论假设，是分段统计出来的观测（见 §3）。

## 2. 测量方法（开放可复现）

- **度量单元**：一个小类 = 从"焦点注入"到"打卡"（mark_task）之间的事件段。
- **三个指标**：工具调用数 / 图像核对数（read_image）/ 外部检查数（红队裁决等）。
- **分段**：首个十小类（早段）、中间（中段）、末个十小类（晚段）。
- **数据源**：会话导出文件（`session.jsonl`），公开聚合工具 `scripts/measure.mjs`
  （输入导出文件 → 输出指标行，任何人都能对自己的会话复算）。

## 3. 观测数据（真实会话）

| 会话 | 链 | 早段 | 中段 | 晚段 | 判定 |
|---|---|---|---|---|---|
| A（基线，无协议 3.0 早期链） | 无分级协议 | 26 工具 / 15 读图 | 7-10 工具 / 10-25 读图 | **1 工具 / 0 读图**（后续多个小类） | **显著衰减**——验证几乎消失 |
| B（钩子前 3.0 链） | 三级协议雏形 | 21.7-32.7 工具/项 | **14.0-13.7 工具/项**（洼地） | 20.3-37.0 工具/项（末项红队 78 工具/29 编辑） | 中段洼地+末段最强 |
| C（3.2 协议链） | 全协议 | 全链均匀（24/24 打卡、75 张截图） | — | — | **无衰减迹象** |

数字口径见 DATA.md；A 的晚段"1 工具/0 读图"= 验证行为**消失**的基准观测。

## 4. 对抗工程（插件机制 ↔ 观测对照）

| 懈怠表现 | 对抗机制 | 观测对照 |
|---|---|---|
| 验证稀疏 | **打卡硬门**：每小类都有标记门，无省事路径 | C 链 24/24 打卡（A 链晚段不足 1/3） |
| "做过即通过" | **红队裁决门**：verify=redteam 未通过不得打卡；打回必须再审批 | B 链末项红队 78 工具；7abc5cad 2 次裁决 pass |
| 注意漂移 | **北极星锚定**：每小类开工前一眼"目的+验收锚" | 焦点注入统一携带星锚（终止"跳步"） |
| 组级滑过 | **组收官逐条核对**（严苛 > 小类） | 组级标准逐条判定记录 |

## 5. 结论

1. 注意力懈怠在无协议长程任务中**可观测且显著**（A 链晚段验证消失）。
2. 协议链（C）**未出现衰减**——对抗机制在实测中有效（不是口头承诺）。
3. 本观测**方法公开、数据可复算**（measure.mjs + 用户自己的会话）——不做"不可验证"的断言。

## 6. 复现路径

```
# 1. 导出任一会话（DSH 会话面板/存档），得到 session.jsonl
# 2. 复算指标行：
node scripts/measure.mjs 我的会话.jsonl
# 3. 输出 = 工具调用数 / 读图数 / 标定数 / 红队数 / 分段衰减行
```
> 数据合规：只读事件类型聚合，不输出会话内容（任何文本、路径、用户名都不出现在输出中）。