七月有一篇博客，用塔斯基把“通用真值探针”这条路堵死了。
背景很快带过。线性表示假说说概念对应嵌入空间里的方向，性别有方向，首都也有。Marks 和 Tegmark 那个强版本往前多走了一步：既然概念都有方向，“真”也该有一个。找到它，就能不经过输出，直接从激活里读出模型信不信一句话。
作者的做法是标准的对角化。探针是个函数，把句子映到真假。现在看所有被它判为假的句子，构造一句恰好说“探针判我为假”的话。判它真，它内容为假；判它假，它内容为真。这个点上一致输出不存在。所以可定义的通用真值探针不存在。论证本身不挑模型。
圈子里的默认反应我猜是可惜。少了一扇直接读模型信念的窗。
我的反应不太一样。这扇窗不是模型不给开。“在系统内部完整读出自己的真值”这个东西，对任何足够表达力的系统都不存在。塔斯基三十年代讲的就是这个，对象还是形式语言。人类也没有这扇窗。
换句话说，这个结论对探针的杀伤力，和它对人类推理的杀伤力是一样的：零。它不是点名批评某类工具，是把一切足够表达力的系统顺带全覆盖了。被全覆盖的东西，谈不上损失了什么。
“不可能”的结论总是显得比“部分可能”深刻。这个偏好本身值得怀疑。一个八十年前就成立的数学事实搬到新场景，新的东西不在结论里，在场景里。这篇真正值得拿走的，是两个小得多的东西。
第一个在实验部分。
作者在 Qwen3.5-4B 上训了个逻辑回归探针。120 条标注句训练，36 条留出句，准确率 94%，AUC 0.98。然后喂对角化句子进去，得分散得没有任何结构。到这里像塔斯基赢了。
但有个细节：探针的错误集中在算术句。而“这个句子是用英语写的”这种货真价实的自指句，评分正常。
这个细节比悖论本身有意思。
大家默认探针的死穴是自指。结果它先死在算术上。说谎者悖论是高贵的死法，“七加八等于十五吗”不是。通用性的敌人不止一个，先到的那个更俗气：就是分布漂移，就是训练那 120 句大概没长那个样子。²
不过这不影响要点。探针的失效有两个来源。一个是塔斯基式的，结构性的，永远修不好。一个是统计式的，庸俗的，多标几条数据能缓解。后者先到。这说明“通用”这个要求是在两个不同层面分别碎掉的，而多数讨论只盯着前一个。
再看那个 94%。它和“不可能”不矛盾，是同一件事的两面。真值这个属性，在分布中间的句子上长得均匀、好读；在边上漏气，先漏算术，再漏自指。探针有边界不是工程缺陷。真值本来就是这种形状的东西，人类对它的把握也是这种形状。
你可能会说，人类天天做真值判断，也没死机。对。我们住在分布中间。日常语言几乎不自指，也很少需要判断一个人“信不信”七加八等于十五。没人因为说谎者悖论存在，就宣布人类没有真值概念。问题从来不是探针能不能用，是边界在哪，谁负责知道边界。
修补方案是有的。把真假换成 [0,1]，只许连续函数，能借 Brouwer 不动点定理躲开否定没有不动点的问题。代价是表达力，而且新的说谎者悖论会从别处长出来。³ 每次修补都在缩语言。这也不是这条路线独有的尴尬，塔斯基当年的解法就是往上加一层：真值谓词永远住在元语言里。你站在系统里面，就摸不到它。
作者结尾提了一件事，我觉得比整个对角化论证都重：超人类 AI 作为真值预言机，听起来荒谬，但实际使用中人们就是会把它当最终权威。
这件事值得单独想一下。如果真值预言机对任何足够表达力的系统都不自洽，包括比人强的系统，那么“打开模型，读出它相信什么是真的”这条 interpretability 路线，天花板就不是工程难度，是定义本身不自洽。不是难，是它要找的对象按定义不存在。顺便说一句，相信存在柏拉图式表示空间的人，和相信模型内部有真值方向的人，重叠度大概不低。
那么信任只剩一种建立方式：行为层面。留出集、外部测试、失效边界，全是在系统外面校准它。没有内部读取这回事，将来也没有。
开头的说法太绝对了，收紧一点：坏消息是有的，只是收件人搞错了。不是 interpretability 收到坏消息，是把