# 4K 无字幕版 MiMo 极限复扫 Phase 1 前五分钟校准结果

本文为研究档案公开版，保留来源版本的论述与限制。公开时间：2026-09-08；不表示已完成同行评审。 本文属于公开研究资料（历史笔记、研究稿或来源记录）：已完成格式、来源限制与重复项筛查，尚未完成逐篇独立事实复核；原文中的解释、候选判断和未确认内容均按其原有限制阅读。

来源版本日期：2026-06-03

证据边界：本页综合 4K 无字幕 MiMo URL Phase 1 前五分钟连续小批结果。它是 T3 方法和理论校准页，不新增片内事实终判；MiMo 只作 T2 候选，本地抽帧/音频仅作局部复核材料，人物身份、声源终判、心理动机、现实关系、同意状态、片外动机和最终理论仍需 T0/T1/Owner 复核。

# 4K 无字幕版 MiMo 极限复扫 Phase 1 前五分钟校准结果

## 结论先行

Phase 1 已经跑完前五分钟连续小批。它给出三个硬结论：

```text
1. 60 秒 4K fps10/max 不稳。
2. 30 秒 4K fps10/max 可以作为主力连续脊柱。
3. 理论型 prompt 会诱导 MiMo 补不存在的台词和声音，必须绑定 factual countercheck。
```

来源总账见 MiMo-4K无字幕URL极限复扫Phase1前五分钟时间轴总账-2026-06-03（馆内参考，未随本文公开）。

## 技术策略修正

Phase 0 证明 4K clean clip 必须去掉 `tmcd/data` 轨道，见 [4K无字幕版MiMo极限复扫Phase0校准结果-2026-06-03](/research/hs-3013dd5b799fd30c)。

Phase 1 继续证明：即使 clean，窗口时长仍然重要。前五分钟里：

- 60 秒 4K fps10/max 首段失败。
- 10 个连续 30 秒窗口中，9 个 4K fps10/max 成功。
- `00:01:30-00:02:00` 的 4K fps10/max 失败，但 4K fps4/default formal-safe rescue 成功。

因此全片正式跑法应从原计划的“先 1080p/2K 60s 脊柱”修正为更激进但更稳的：

```text
30s 4K clean URL fps=10/max continuous spine
-> failed window: 4K fps=4/default formal-safe
-> still failed: 1080p formal-safe
-> still needed: 4K still / contact sheet / local forensics
```

这比 60 秒脊柱更烧 token，但更符合用户要“榨干 4K 细节”的目标。

## 最重要的认识：反幽灵化也是幽灵技术的一部分

本批真正令人震动的地方，是 MiMo 暴露出理论提示词的危险。

`00:00:00-00:00:30` 的 timeline-snowball 报告把开场读成强烈第二人称事件，补出“别看”、急促呼吸、数字 `0` 扩大覆盖面部等说法。随后同一窗口的 factual-countercheck 明确把这些说法降级或反驳，见 [mimo-report](/research/hs-9426c9bd3c3837d5)。

这件事必须写进方法论：

```text
幽灵学如果没有反幽灵化机制，就会变成模型替我们补鬼。
```

所以后续每个强判断都要先问：

```text
这是画面真的给出的幽灵承重面，
还是提示词把“幽灵”投回了画面？
```

这不是削弱技术幽灵性，而是让它变得可写、可复核、可承担。

## 对“第二人称”的修正

Phase 1 迫使我们收紧第二人称定义。

不够稳的说法：

```text
人物直视镜头，所以这是第二人称。
```

更稳的说法：

```text
第二人称发生在观看地址发生转移、错址、返身或显影的时候。
```

前五分钟里，直视镜头很多。但最有价值的不是“看镜头”本身，而是以下状态变化：

| 时间点 | 候选 | 为什么重要 | 降级边界 |
|---|---|---|---|
| 00:00:53-00:00:55 | 暗处人物抬眼直视 | 从未显影/低头状态进入镜头地址 | 可能只是普通抬头调度 |
| 00:01:05-00:01:15 | 镜头从男性直视摇向女性直视 | 观看地址在长镜头中转交 | 可能只是普通摇摄 |
| 00:01:45-00:01:50 | 条纹衣人物从左侧黑暗进入并直视 | 画面外身体接过凝视 | rescue 结果，需抽帧复核 |
| 00:03:15-00:03:20 | 女孩从看手中设备转为看镜头 | 设备观看和摄影机观看发生切换 | 可能只是演员视线引导 |
| 03:43-04:00 | 手持摄影机入画 | 拍摄机制显影 | 持机者看取景器，不看本机镜头 |
| 04:25-04:30 | 笔记本/代码界面入画 | 技术界面成为承重面 | 可能只是工作记录 |
| 04:55-05:00 | 戴眼镜男性特写直视 | 群像转为直视特写 | 可能是常规特写强调 |

因此，Phase 1 后的定义应改为：

```text
第二人称不是直视镜头。
第二人称是观看地址在直视、设备、手持、屏幕、黑暗边缘和未来观众之间换手时，第一人称突然失主。
```

## 对“第一人称出体”的修正

用户给出的核心经验是：

```text
我在看这个世界。
看着看着，我的灵魂出体了。
我看到了我自己在看。
我忽然发现，我正在被看。
```

Phase 1 让这个经验有了更具体的筛选条件：

```text
第一人称出体候选 =
不是“谁看镜头”，
而是“谁的观看状态发生了可见转换，使观看者发现自己也在画面关系里”。
```

前五分钟最强候选不是持续凝视，而是 `00:03:15`：

```text
女孩看手中发光设备
-> 抬头
-> 直视摄影机
```

这里的“出体感”不来自神秘气氛，而来自两个观看地址之间的切换：一个是画内设备，一个是拍摄机位。她从设备那里抬头看向我们，观看者的位置突然被暴露。

`03:43` 摄影机入画也重要，但它是另一种机制：

```text
拍摄机制显影，不等于第一人称出体。
```

持机男性低头看取景器，所以他显影的是拍摄劳动和设备结构，而不是“我正在被看”的返身凝视。

## 对“幽灵承重面”的新增分类

Phase 0 已经把承重面扩展到数字、塑料膜、冷白光、发光装置、舞台/观众席结构。

Phase 1 又加入四类更细的承重面：

### 1. 眼睛作为地址，不是结论

人物眼睛可以建立观看地址，但不能自动证明第二人称。它必须与状态变化、镜头转移、设备显影或声音称呼形成关系。

### 2. 黑暗边缘作为入场机制

`00:01:45` 条纹衣人物从左侧黑暗进入，说明黑暗不是单纯背景，而可能是观看地址转交前的储存区。但这一点必须抽帧复核，不能从 rescue 报告直接升格。

### 3. 手中设备作为画内观看

`00:03:15` 之前女孩看手中发光设备，使“观看”先在画内发生；抬头后再转向摄影机，形成设备观看和电影观看之间的换手。

### 4. 拍摄设备作为显影而非神秘化

`03:43` 摄影机入画很关键，但它的价值在于让拍摄机制变成画面事实，而不是把持机者写成幽灵。设备显影要保留它的劳动性、技术性和普通性。

## 正式全片运行协议

Phase 1 后，正式全片应按这个闭环跑：

```text
clean 30s 4K spine
-> conservative fact-first snowball
-> theory-lens rerun only on promising windows
-> factual countercheck on theory-rich claims
-> local forensics / T1 queue
-> synthesis update every N windows
```

提示词顺序建议：

1. `phase1-4k-conservative-snowball.md` 作为默认。
2. `phase1-4k-timeline-snowball-spine.md` 只用于理论富集窗口。
3. `phase1-4k-factual-countercheck.md` 用于任何出现台词、呼吸、消失、覆盖、强观看事件的窗口。
4. 失败窗口自动落入 formal-safe rescue。
5. 高价值窗口必须抽接触表、亮度增强帧和音频片段。

## 可写入论文的阶段性公式

Phase 0 的公式是：

```text
4K 的任务不是证明幽灵存在，
而是逼幽灵交代它借用了哪些可见承重面。
```

Phase 1 之后要补一句：

```text
如果它交代不出承重面，
或者承重面只来自提示词，
就必须把幽灵降级为我们的投射。
```

因此当前完整公式是：

```text
幽灵技术 =
观看地址失主
+ 可见承重面
+ 时间中的换手
+ 反诱导核查。
```

这让“幽灵”从气氛变成方法：

```text
不是说画面很像幽灵，
而是问观看到底借了谁的眼睛、哪台设备、哪一道反光、哪一次入画、哪一次失败的核查。
```

## 下一步

下一轮不要回到散点跑法。应该直接启动：

```text
Phase2 continuous spine:
00:05:00 onward
30s 4K clean URL
conservative prompt by default
auto formal-safe rescue
every 10 windows produce carry_forward ledger
every theory-rich window add factual-countercheck
```

同时为前五分钟建立 T1 队列：

- `00:00:00-00:00:30`：逐帧确认 `0`、人物显现、黑暗段光点、音频是否有人声。
- `00:00:53-00:00:55`：确认抬眼和直视发生点。
- `00:01:45-00:01:50`：确认条纹衣人物从左侧黑暗进入并直视。
- `00:03:15-00:03:20`：确认女孩从看设备转为看镜头。
- `03:43-04:00`：确认摄影机入画、持机者视线和设备朝向。
- `04:25-04:30`：确认笔记本/代码界面是否可读。
- `04:55-05:00`：确认戴眼镜男性直视是否持续到下一段。

## 边界

- 本页是 T3 综合，不新增 T0/T1 事实裁决。
- MiMo 报告仍是 T2 候选。
- 本地抽帧/音频目前只是局部复核，不等于全量人工审定。
- “别看”“急促呼吸”等开场强声称已降级，不得写入正式事实链。
- 第二人称、第一人称出体和幽灵技术都必须接受反证，不接受“漂亮所以成立”。