AI破译1809年马尔蒙密信全解析：同音替换密码原理、模拟退火破译流程、密信内容与“217年悬案”的真实边界

本文由 莫潇羽@复源AI社区（bbs.fuyuan7.com）撰写，转载请注明出处。

快速摘要

2026年9月，美国工程师 Carter Church 借助 OpenAI 的 GPT-6 Astra，用大约6小时模型运行时间，从一张1969年法国军事期刊上的低清翻拍图里，读出了一封长期挂在“未解历史密码”名单上的法军密信。这封信不是拿破仑亲笔，而是拿破仑在1809年3月16日下令、由意大利副王欧仁（Eugène）司令部在3月下旬发给驻达尔马提亚的马尔蒙将军的战前简报；当时马尔蒙还不是元帅。它用的是一种“同音替换＋代码本”的混合密码：全信约1300个密码单元、155种不同符号，其中有的符号代表字母，有的代表整个单词，还有的是故意掺进去的空符。破译的关键不是什么神秘算力，而是三件事：先把图片可靠地转录成可计算的符号序列，再用前人公开的33个已知字母值当锚点，最后用模拟退火搜索剩下的符号。我自己用同样思路做了个缩小版实验：没有锚点时只能对三成左右，给三分之一锚点后准确率直接跳到九成上下。信的内容能和拿破仑3月16日的原始命令逐条对上，也补出了1865年版《拿破仑书信集》里一处省略号背后的意思，但它是转述而非原话，还有5个符号没有完全定论。

这件事被不少中文转述写成了“AI一夜终结人类百年悬案”，热闹是热闹，细节却错了不少：把信的发出人、马尔蒙的军衔、空缺出现在哪本书里都搞混了，还顺手夸大了破译的确定性。我在复源AI社区写这篇，想把它拆回到能检验的层面：这封信是什么、它为什么一直没人读、这类密码的原理、我亲手跑的复现实验、真信的破译流水线、信里写了什么、以及这次破译的边界在哪。

想看完整拆解，往下翻。

一、先把事情说清楚：这封信到底是什么，被谁、用什么方式读出来的

我习惯先把一件事的“硬事实”摆成一张表，再去讨论意义。下面这张表里的每一项，都来自当事人公开的解题文章、解题包、密码史网站 Cryptiana 的条目或者相关的新闻报道，我交叉核对过一遍。

这里面有几处，和网上流传的版本差别挺大，我单独拎出来说。

1.1 信不是拿破仑亲手写给马尔蒙的

拿破仑那封3月16日的信，收件人是欧仁，不是马尔蒙。那封信在1865年就印进了法兰西第二帝国官修的《拿破仑一世书信集》第18卷，内容是一长串“告诉马尔蒙这个、告诉马尔蒙那个”。真正寄到亚得里亚海对岸的密信，是欧仁的办公室照着这份命令改写、加密后发出的。所以说它是“拿破仑的密信”只能算半对：意思是拿破仑的，文字和加密是副王司令部的书记员完成的。

这个区别不是抠字眼。后面讲到“补全160年空白”时，它直接决定了我们能把结论说到多满。

1.2 收信时的马尔蒙还不是元帅

马尔蒙是拿破仑在土伦围城时就认识的老部下，1806年起管着达尔马提亚。按法国拿破仑基金会公布的履历，他是在1809年7月12日、也就是瓦格拉姆会战之后才拿到元帅权杖的。1809年3月读这封信的时候，他的身份是师级将军，手下大约一万三四千人，被奥地利领土隔在亚得里亚海东岸，是整个帝国最孤立的一支部队。

1.3 “6小时”指的是模型运行时间，不是一个人从零到结果的全部时间

Church 在文章里写得很清楚：模型跑了大约6个小时，他自己另外花了几个晚上。这6小时里包含了从图片切行、识别符号、合并书写变体，一直到搜索密钥、回到原图逐个核对的全过程。这个效率已经非常惊人，没必要再往上加码。

1.4 用的是什么模型

GPT-6 Astra 是 OpenAI 在2026年9月3日发布的新一代旗舰模型，主打电脑操作、软件工程、长链条的智能体任务。多家科技媒体报道，这是 OpenAI 第一个在其内部“准备度框架”里被评为网络安全能力“关键”级别的模型，所以初期是分批、有限制地开放。按发布时公布的 API 标准定价，大约是每百万输入 token 10美元、每百万输出 token 50美元。

大模型的定价和开放范围调整非常频繁，上面是写稿时公开报道的近似情况，请以官方页面的实时信息为准。另外要提醒一句：GPT-6 Astra 属于境外模型，境外模型使用需遵守国内网络与内容管理相关规定，本文只做技术科普，不提供任何使用渠道。

1.5 一张“流行说法”对照表

为了方便大家快速对齐，我把几个常见误读和核实结果放在一起：

二、它为什么能在“未解名单”上一挂这么多年：卡住人的从来不是数学

很多人第一反应是：一封两百多年前的军用密信，能有多难？说实话，就密码本身而言，确实不难。Cryptiana 条目里早就有一句判断：马尔蒙的司令部1811年用过的一套代码只有大约150个条目，这一封大概率也不是什么大系统。真正把它挡在门外的，是一连串非数学的问题。

2.1 第一道坎：根本没有可以计算的“文本”

做密码分析，原料是一串符号序列，比如“47 Θ + 81 ↑ 31……”。可这封信从来没有人把它完整转录过。它的全部存在形式，就是那篇1969年期刊文章后面夹的一页插图。Cryptiana 的条目只给出了第一行明文；另一位近期非常活跃的解密爱好者 Daniel Bourdeau，在自己的笔记里对这封信的评价大意是：密文在他能找到的地方都没有公开，所以没有可以下手的东西。

这里有一个有意思的“信息差”：那本期刊其实早就被法国学术期刊数字化平台 Persée 收录，免费可看。只是插页夹在正文第24页之后，不翻到那里就发现不了。线索一直在，只是没人顺着摸过去。

2.2 第二道坎：手写符号的转录本身就是一门手艺

就算找到了图，你面对的是二十多行手写的混合符号：两位数字、普通拉丁字母、希腊字母、印刷符号，还有七十个左右完全是自造的图形。最麻烦的是，同一个符号书记员每次写得不完全一样，两个长得差不多的墨迹，到底是同一个符号的两种写法，还是两个不同的符号？判断错一个，后面的统计就全歪了。

Church 公开的数据很能说明问题：转录阶段先是把所有看起来不同的痕迹都单独命名，得到了175个临时标签、约1320个单位；经过反复比对、合并写法变体之后，才收敛到155种符号、1300个单位。这一步在传统做法里，往往要一个懂古文书的人对着图一个个过，Bourdeau 在另一篇解密笔记里也提到过，光是准备一份可供计算机处理的密文，就做了两轮转录、六轮对图核对。

2.3 第三道坎：跨学科，且“性价比”太低

想读懂这封信，你需要同时具备几样东西：

• 能认19世纪初手写体和印刷体混杂的眼力；
• 懂当时的法语，包括军事术语、贵族封号这种只在那个年代出现的词；
• 会做同音替换密码的统计攻击；
• 熟悉1809年第五次反法同盟战争的来龙去脉，能判断解出来的内容是不是“说得通”。

这些能力单拎出来都有人会，但凑到同一个人身上的不多，而这样的人手上通常有更重要的课题。为了一张期刊插页花上几周，划不来。Church 在文章结尾的看法我很认同：材料一直都在，前人的半张密钥表是公开的，拿破仑书信集19世纪就印出来了，马尔蒙回忆录在公共领域电子书项目里也能找到，一位耐心的专家在1970年就可能做完这件事，缺的只是值不值得投入的判断。

2.4 第四道坎：名单本身的标签不一定可靠

这一点很少有人提，但我觉得特别重要。Cryptiana 是友清理士个人维护了十多年的历史密码资料站，他在2026年9月的公告里专门写了两件事：一是最近收到的解题投稿太多，已经来不及逐条更新；二是名单上列着的东西，并不都意味着“从来没有人破译过”，有些其实在档案或出版物里早就有解读，只是没被关联起来。

这封马尔蒙密信本身就有一个“标签错误”：年份标成了1807年。如果你真按1807年的历史背景去理解内容，各路法军的位置会完全对不上。Church 后来正是通过把破译结果和1809年3月的拿破仑书信逐条比对，才把年份改正过来的。

所以“217年无人能解”这种说法，更准确的表述应该是：这封信在公开资料里一直缺少可用的转录和完整解读，而不是一代代密码学家前赴后继地攻克失败。这两者给人的感受差别很大，但对于理解这件事的意义，后者才是对的。

flowchart LR
    A[1809年3月 密信发出] --> B[原件与密钥下落不明]
    B --> C[1969年 期刊插页刊出一张图]
    C --> D[Persée 数字化 但无人转录]
    D --> E[Cryptiana 列入未解名单 年份误标1807]
    E --> F[2026年9月 AI辅助完成转录与破译]
    F --> G[公开解题包 Cryptiana 改标已解决 年份更正1809]

我（莫潇羽）的看法是：这次真正被AI显著压缩的，是“转录＋统计攻击＋文献比对”这几步的组合成本，而不是密码学难度本身。弄明白这一点，后面你看任何“AI破解XX悬案”的新闻，都能先问一句：卡住它的到底是哪一道坎？

三、拿破仑时代的军用密码长什么样：同音替换和小代码本的混合体

要看懂破译过程，得先知道对手是什么。这一章我尽量用白话讲，懂行的朋友可以快速扫过。

3.1 最朴素的替换密码，以及它为什么不安全

替换密码：把明文里的每个字母，按一张固定的对照表换成另一个符号。比如 A 换成“47”，B 换成“!”。收信人拿着同一张表反查就能还原。

这种密码有个致命弱点：语言里每个字母出现的频率是很不均匀的。法语里 E 一个字母就要占到百分之十几，S、A、I、T、N 紧随其后，而 K、W 几乎不用。只要密文够长，攻击者数一数哪个符号出现最多，基本就能猜出它是 E，然后像拼图一样往下推。这就是所谓的频率分析，九世纪的阿拉伯学者就已经系统讲过。

3.2 同音替换：给高频字母多发几张“马甲”

同音替换密码（homophonic substitution）就是针对频率分析的补丁：高频字母不止一个代号。E 可以写成九种不同的符号中的任意一种，A 有十一种，而 Z 只有一种。书记员加密时，每遇到一个 E 就从九个代号里随手挑一个。这样一来，密文中每个符号的出现次数被摊平了，“数最多的那个就是 E”这招就不灵了。

从马尔蒙密信的解题包公布的密钥看，各字母分到的符号数量大致和法语字母频率成正比。我把它整理成一张表（W 在这封信里没出现，所以没有分配符号）：

数据来源：Carter Church 公开的解题包中的密钥文件，统计为写稿时版本，后续若有修订以解题包为准。

3.3 再加一层：代表整词的符号和空符

光是同音替换还不够狠。当时法国军队普遍用的是一种叫分类代码本（nomenclator）的体系：在字母表之外，再给一批高频词、人名、地名单独发一个代号。马尔蒙这封信里，就有大约27个符号对应15个常用词，比如 de、que、les、vous、général、pas、pour；还有两个符号专门表示双写的 S，两个表示逗号。

另外还有空符（null）：什么意义都没有的符号，书记员会时不时往密文里塞一个，专门用来打乱统计规律、浪费破译者的时间。这封信里至少有4个符号被判定为空符。

把这几类加起来，就是那155种符号的来源：

3.4 当时的人怎么用这套东西

按 Cryptiana 对拿破仑时期密码的整理，法军司令部一般准备两张表：一张叫“加密表”（tableau chiffrant），左边是明文字母和词，右边列出可以用的符号；另一张叫“解密表”（tableau déchiffrant），按符号排序，供收信方反查。书记员拿着长官写好的草稿，一个字母一个字母地换，同一个 E 尽量别连着用同一个符号，偶尔丢一个空符进去。

这套体系并不是攻不破。最有名的反例就和马尔蒙本人有关：1811年马尔蒙在伊比利亚半岛指挥葡萄牙军团时，他的司令部用的是一套只有约150个条目、E 有9个代号的代码，英军参谋军官乔治·斯科维尔（George Scovell）两天就把它读出来了，帮了大忙的是马尔蒙的书记员经常在密文里夹杂明文单词。相比之下，1809年这封信的书记员要谨慎得多，整封信除了第一行，几乎没有留下明文破绽，唯一的例外是第14行一个用普通字母拼出来的 CONSEQUENT（意思是“因此”），这个后面会讲到。

flowchart TB
    P[长官写好的法语草稿] --> Q{逐词处理}
    Q -->|高频词或人名| W[查整词代号 例如 vous 对应专用符号]
    Q -->|普通单词| L[逐个字母查同音表 随机挑一个代号]
    L --> N[随手插入空符]
    W --> C[密文]
    N --> C
    C --> R[信使携带 穿过敌占区]
    R --> D[收信方用解密表反查]

讲到这里，大家应该能体会这封信的难点组合了：符号多（155种）、单个符号出现次数少（很多符号整封信只出现一两次）、字母和整词混在一起、还有空符干扰。任何一项单独拿出来都不算可怕，叠在一起，再加上只有一张低清图，就成了一个没人愿意碰的活儿。

四、我亲手复现了一遍：用模拟退火破一封“仿制”的同音密信

只看别人的结论心里不踏实，我决定自己动手做个缩小版实验，验证两个问题：一是模拟退火这种方法对同音替换密码到底有多大用；二是“已知三分之一密钥”这个锚点，到底起了多大作用。

先声明实验边界：我没有去转录那张真的插页（低清图像加上手写符号，单靠我一个人很难保证转录准确），而是自己写了一段内容相似的法语军务短文，按真信的思路加密，再尝试破解。这是一个原理验证，不是对真信的重复破译。

4.1 先讲清楚：模拟退火是什么

模拟退火（simulated annealing）这个名字来自冶金：把金属烧热再慢慢冷却，原子有机会跳出不好的排列，最后形成更稳定的晶体。放到破解密码上，思路是这样的：

1. 先随便给每个密码符号指定一个字母，得到一份乱七八糟的“译文”；
2. 给这份译文打个分，看它有多像真正的法语；
3. 随机改动一个符号对应的字母，再打一次分；
4. 分数变高了就接受这次改动；分数变低了，也按一定概率接受，这个概率随“温度”下降而变小；
5. 反复成千上万次，温度逐渐降低，最后停在一个分数很高的方案上。

为什么要“偶尔接受变差的改动”？因为如果只接受变好的，算法很容易卡在一个局部还不错、但整体是错的方案里出不来。早期温度高，它敢大胆尝试；后期温度低，它就只做精修。

接受一个变差改动的概率，常见写法是：

P(接受) = e^(Δ / T)

其中：
Δ = 新分数 − 旧分数（变差时 Δ < 0）
T = 当前温度，随迭代次数逐渐降低
Δ 越负、T 越低，接受概率越接近 0

4.2 “像不像法语”怎么打分：n-gram 语言模型

打分用的是 n-gram 统计：把一大段正常法语文本按连续 n 个字母切开，统计每种组合出现的频率。以 n=4 为例，“tion”“ment”“ourl”这种组合很常见，“qxzk”几乎不会出现。一段译文的得分，就是把它所有连续4字母组合的对数概率加起来：

得分 = Σ log₁₀ P(第 i 个四字母组合)

没见过的组合给一个很低的保底值，避免直接变成负无穷

真信的破译里，Church 他们用的是3、4、5字母组合，语料来自雨果、大仲马的作品和马尔蒙本人的回忆录。我手边没有现成的大规模19世纪法语语料，就用了一个开源的法语词频库，按真实词频随机抽取了40万个词拼接成训练文本。语料粗糙一些，但足够说明问题。

4.3 实验设置

我写了一段大约440个字母的法语短文，内容是给一位将军通报部队位置、催促他接到命令就出发、要求用密码定期写信，口吻模仿那个时代的军务信件，但每一句都是我自己编的。去掉空格、重音和标点后，用下面的规则加密：

• 每个字母分到的代号数量，和它在原文中的出现频率成正比；
• 总共约60个代号，实际用上了65个（四舍五入导致略多）；
• 每遇到一个字母，从它的代号里随机挑一个。

核心代码大致是这样（为了阅读做了删减）：

# 同音加密：频率越高的字母分到越多的代号
alloc = {c: max(1, round(freq[c] / len(plain) * 60)) for c in letters}
key, sid = {}, 0
for c in letters:
    for _ in range(alloc[c]):
        key[sid] = c
        sid += 1
cipher = [random.choice(homophones[c]) for c in plain]

# 模拟退火：每次随机改一个符号对应的字母
for i in range(iters):
    s = random.choice(free_symbols)
    old = mapping[s]
    mapping[s] = random.choice(letters)
    new_score = score(decode(cipher, mapping))
    delta = new_score - cur_score
    if delta >= 0 or random.random() < math.exp(delta / T):
        cur_score = new_score          # 接受
    else:
        mapping[s] = old               # 撤回
    T = max(0.2, 10.0 * (1 - i / iters))  # 线性降温

我对比了两种条件，各跑3组随机种子，每组6次重启、每次6万步迭代：

• 无锚点：所有符号都要靠算法自己找；
• 三分之一锚点：随机挑三分之一的符号，直接告诉算法它们的正确字母，模拟“前人已经公开了33个字母值”的情况。

4.4 实验结果

先看一个直观的指标。重合指数（index of coincidence，简称IC）衡量的是随便从文本里抽两个字符、恰好相同的概率。正常法语明文的IC明显高于随机文本，这正是频率分析能起作用的根源。

加密后的IC甚至比“26个字母随机分布”还低，因为符号种类从26个变成了65个，规律被摊得非常平。这就是同音替换的威力：单看频率，你几乎得不到任何信息。

再看破解结果：

以上为我本人在一台普通云端Linux环境里的实测结果，语料、文本长度和参数不同，结果会有明显差异，仅供理解原理。

无锚点时，算法收敛到了一堆“des”“les”“ses”“de”反复出现的伪法语，分数不低，但完全不对，这就是典型的局部最优陷阱。给了三分之一锚点之后，第一句话基本就出来了，译文开头是这样的：

算法输出：moncherienereltetousentoieparunofficiersurlapositiondenostroupes...
真实明文：monchergeneraljevousenvoieparunofficiersurlapositiondenostroupes...

剩下的错误集中在出现次数很少的符号上，比如“general”里的 g 被认成了 i，这种错误人一眼就能看出来并修正，这其实也是真信破译中“回到原图逐个核对”那一步要干的活。

4.5 这个小实验让我想明白的三件事

锚点的价值远超直觉。 三分之一的已知值，不是让准确率提高三分之一，而是从三成直接跳到九成。原因在于，已知符号把很多n-gram片段“钉”住了，算法在评估其他符号时有了可靠的上下文，搜索空间一下子缩小了好几个数量级。真信破译中，法国 ARCSI 协会网站上公开的那份 Daniel Tant 整理的残缺对照表（33个字母值，覆盖约435个密码单元，占全信三分之一左右），地位就相当于我实验里的锚点。

文本越短、符号越多，越难。 我的仿制信只有440个字母、65种符号；真信有1300个单元、155种符号，其中还夹着整词符号和空符，单个符号的平均出现次数比我的实验还低。这类问题在学术界有专门研究，比如德国学者 Nils Kopal 在2019年历史密码学会议上发表过用“固定温度”模拟退火攻击同音替换密码的论文，美国圣何塞州立大学的 Mark Stamp 团队2013年也在《Cryptologia》期刊上发表过高效破解方法，结论都指向同一个方向：密文长度与符号数之比是决定难度的关键。

算法只负责“像不像”，不负责“对不对”。 无锚点那组的伪法语，分数其实相当高。如果没有外部证据去核对，你很可能被一份“统计上很像法语、实际上胡说八道”的结果骗过去。这也解释了为什么真信破译里，后面那几步核验比搜索本身更重要。

我自己折腾下来最大的感受是：模拟退火这种工具几十年前就有了，代码也不复杂，一个有编程基础的人一个下午就能写出来。真正耗人的，是把“图片上的墨迹”变成“干净的符号序列”，以及最后的人工判读。这两头恰好是多模态大模型最能帮上忙的地方。

五、回到那封真信：一条完整的破译流水线是怎么搭起来的

有了上面的铺垫，再看真信的破译过程就清楚多了。我按 Church 公开的技术说明，把整个流程重新梳理成一条流水线，并在每一步标注它解决的是哪一道坎。

flowchart TB
    S1[第1步 图像转录<br/>切行 识别 合并书写变体] --> S2[第2步 固定已知值<br/>Tant的33个字母值 加上明文单词CONSEQUENT]
    S2 --> S3[第3步 统计搜索<br/>模拟退火 3到5字母组合打分]
    S3 --> S4[第4步 识别整词符号<br/>反复破坏通顺度的符号改按单词测试]
    S4 --> S5[第5步 回图逐符号核对<br/>每个取值必须在所有出现处都成立]
    S5 --> S6[第6步 反向压力测试<br/>删掉拿破仑相关语料后重跑]
    S6 --> S7[公开解题包<br/>转录 密钥 验证脚本 哈希值]
    S5 -.发现问题.-> S1

5.1 转录：把“墨迹”变成“数据”

这是整个流程里最容易被低估、也最体现多模态能力的一步。模型先把1202×1836像素的插页切成一行一行的小图，对每个看起来不同的痕迹给一个临时名字，比如“上箭头”“带点的矩形”“希腊字母θ”“47”。凡是拿不准是不是同一个符号的，先分开记，宁可多不可少。

然后才是合并：两个临时标签，如果在破译后期发现它们总是代表同一个字母、而且形状只是笔画轻重或连笔的差别，就判定为同一个符号的不同写法。175个临时标签最后合并成155个，就是这么来的。

我想特别强调这里的顺序：先保守地拆开，再根据证据合并。如果一开始就武断地把两个相似符号当成一个，一旦判断错了，后面所有统计都会被污染，而且很难回头发现。这个思路做任何数据清洗都适用。

5.2 固定已知值：别从零开始

转录完成后，并没有马上开始暴力搜索。法国的 ARCSI（一个由密码与信息安全领域预备役人员组成的协会）在官网上收录了一批由 Daniel Tant 整理、按编号排列的古代密码表，其中第373号是一份标注为1809年、与欧仁·德·博阿尔内有关的代码表（网址为 www.arcsi.fr/doc/Tant/373.pdf，写稿时可以打开）。这份表记录了这套密码的33个字母值，但所有“整词”格子都是空的。Church 在文章里称 Tant 为法国密码史研究者，我没有查到更详细的个人资料，这里只按他整理的资料来介绍。把这33个值固定住，全信约三分之一的单元就能直接读出来。

另外，第14行有10个普通拉丁字母连起来拼成了 CONSEQUENT，这是书记员“偷懒”留下的一个明文单词，正好可以当作额外的确定信息。

5.3 统计搜索：剩下的三分之二交给算法

剩下约865个单元对应的符号，交给模拟退火去找。打分用的法语统计特征来自19世纪的文学作品和马尔蒙的回忆录。这一步和我前面的实验在原理上完全一样，只是规模更大、语料更贴近时代。

5.4 识别整词符号：发现“这不是字母”

这一步特别有意思。搜索过程中，总有一些符号无论分配哪个字母，都会把附近本来很通顺的法语弄得别扭。换个角度想：也许它根本不代表一个字母，而是一个完整的单词？

把这些“捣乱”的符号改成按整词测试之后，问题一个个解开了：最终有29个符号被认定为整词或特殊功能符号，其中包括 de、que、les、vous、général 这些高频词，以及两个表示双写 S 的符号。这其实是在搜索中途修改模型假设，而不是死守最初“每个符号都是一个字母”的设定。

我在自己的实验里没有加入整词符号，后来专门想了一下，如果加进去会怎样：一个代表 vous 的符号，如果被算法当成单个字母，不管赋成哪个字母，它所在位置都会凭空少掉几个字母，n-gram 打分就会在这里持续“报警”。所以一个很实用的信号是：某个符号无论怎么赋值，局部得分都上不去，那就该怀疑它不是字母。这个判断标准简单，但非常管用，懂了它，你再看别的代码本类密码也会有思路。还有一个旁证可以用：整词符号前后通常带着词边界的特征，紧跟在它后面的字母组合，往往像一个新单词的开头，而不像一个单词的中间部分。

5.5 回图核对：每个取值都要经得起所有出现位置的检验

一个符号如果被赋值为字母 A，那它在全信每一个出现的位置都必须读得通。只在某一处让句子变顺、在别处造成矛盾的取值，一律不收。这一步把我实验里“g 被认成 i”那类低频错误压了下去。

5.6 反向压力测试：这是我认为最关键、也最常被忽略的一步

这一步在很多转述里完全没提，但在我看来是整个破译可信度的压舱石。

有一个很自然的质疑：你用来打分的语料里有马尔蒙回忆录、有拿破仑时期的文本，那算法会不会只是“背出”了它见过的历史文本，而不是真的解出了密码？Church 的做法是：把马尔蒙回忆录和所有拿破仑时期的文本从语言模型里全部删掉，从零重新跑一遍求解器，结果得到了同样的读法。

这就排除了“模型靠记忆凑答案”的可能。打个比方，这相当于考试时把参考书收走，学生还能独立做出同样的答案，说明他是真会，而不是抄的。以后大家再看到“AI破解XX”的新闻，可以把“有没有做类似的消融测试”当作一条判断标准。

5.7 公开可复现：结论不靠嘴说

最后，Church 把全部材料打包公开：原始插页图像、转录文件、包含每个符号图样的密钥表、逐行解码结果、编辑后的法语和英语译文、剩余的不确定符号说明，以及一个验证脚本和一个复现脚本，可以离线从头重算一遍，压缩包还附了 SHA-256 哈希值防篡改。