用自然语言写代码的时代，
经验值得被认真记录。

训过 RLVR 的人大概都见过这条曲线：前几百步 reward 涨得挺像回事，然后某个 checkpoint 之后突然躺平，一路平的。学习率调大调小都没用。换个 seed 重跑，有时候能多撑几百步，最后还是躺。 大多数人的第一反应是“奖励太稀疏”。这个判断对了一半，但因果反了。

有个作者写自己DDR4坏了，去选新内存，32GB的DDR5套装620美元，DDR4同容量260美元。她说这是她自己撞见的坑。同一周，技嘉又宣布LGA 1700要支持一批“即将推出”的CPU，明说了是冲着DDR4去的。

推理链里出错，多数时候不是模型不够强。 是错误一旦落进上下文，后面每一步都在替它背书。 这话听起来像给模型开脱。不是。我想说的是，我们对“推理出错”的默认反应，方向就选错了。 默认反应是换更强的模型，或者加一句“再仔细想想”。 这两件事是同一件事。都是指望同一套参数，在同一个位置上多使一次劲。

我认了。git 是真香。 嘴硬了大概半年吧。教练从去年就念叨让我们用版本管理，我当时心想我一个小破项目用个屁，我又不是写几千行的。我的做法是复制文件夹，值日表生成器、值日表生成器2、值日表生成器final、值日表生成器真final。。。自己看着还挺有成就感，什么实力。 然后这周日下午就寄了。 事情是班长又提需求。

我昨天把 Open Group 的 Open Brand Register 翻到底了。起因特别具体：群里第八百次吵“macOS 算不算 UNIX”，我嘴一快说要拿官方口径结束这场辩论。结果口径没结束，把我自己看愣了。 筛选条件里躺着 UNIX V7、UNIX 03、UNIX 98、UNIX 95。

那几个数字我反复看了好几遍。不是因为 40% 到 49% 的节省率——那个当然醒目，但太干净了，干净得不像真的。让我停下来的，是另外三个：17.7%、74.4%、0.99。 先停一下，问个问题：为什么 gpt5mini 是唯一一个不适合电报体的模型？ 17.7%。

速评：又一个 XxxBench，但这次它拿物理当裁判。 10 月 8 日挂上 arXiv，cs.AI 主分类，交叉标了 cs.CV 和 cs.GR，作者是 Peter Kulits、Yiqing Xu、R. Kenny Jones，后面还压着 Cordelia Schmid 和 Jiajun Wu。

凌晨刷 HN，看到个标题，《Eye of Sauron: LongRange Hidden Spy Camera Detection》。第一反应：又一个借托尔金名字的监控项目，划过去算了。 没划。

一个人为 Hacktoberfest 录了段短视频当公告，发在 dev.to 上。不是 release note，也不是那种放个 logo 的 promo，是本人出来把项目怎么参与这回事讲了一遍。他建的东西叫 EmbedCatalog，目标是生成可嵌入内容给网站和 README 用。

一篇讲 agent 改 spec 的论文里，100% 这个数字最不值钱。 Agent4Spec 里那个 100%，是语法错误检出率，九个模型里最好的那个做到的。听起来很漂亮。 但它最不值钱。 OpenAPI 的语法错误是可判定的。一段 spec 合不合法，跑一遍校验器就有答案，不需要判断力。

速评：10 月 9 号挂上 arXiv 的 SmartSalesBench，摘要第一句就把“首个”摆出来了。 到今天九天。那页 abs 上备注栏还写着 Request for review，DOI 挂着 pending，GitHub 上没有仓库，数据集没影，群里也没人转。预印本先占个坑本来就这样，不算丑闻。

四万一千个 star。昨晚刷到 AnyPS5，标题说能把 PS5 的可执行文件自动移植到 Linux 和 Windows。 心里冒出一句「这个我总看得懂吧」。 并没有。 先把我唬住的是提交数，九千五百多次。我对这个数字没概念，我那个练手仓库到现在二十来次提交，其中至少五次是改拼写错误。

打开 w1700ksdr，我没看首页那张瀑布图，直接滚到 install 那节。 画外音：这毛病是以前刷坏过东西落下的。看任何一个要动固件的项目，先找退路，再看功能。 退路在。init/install 干的第一件事，是先把整片 NAND 备份到主机，init/restore 能写回备份、把原厂固件恢复回去。

上礼拜那篇《I Think We're Forgetting How to Be Bored》在 dev.to 上飘了两天，53 条评论，标签挂着 ai 和 mentalhealth。写的人是个爱尔兰的 .NET 开发者，说自己想不起来上一次真正无聊是什么时候，推测可能是好几年前。

上个月接了个活，甲方姓王，做建材的，要一个报价系统。他把 Excel 发过来，我点开看了一眼，十二个 sheet，每个表头还不一样，最要命的是合并单元格一层套一层，跟俄罗斯套娃似的。 以前这种活我报五千，光理数据就得两天，纯手工 CTRL+C。这次我报三千五，说白了就是想试试 AI 能不能把这摊活接下来。

速评：跟模型兼容，不等于值得学。这话听着像废话，可过去一年那条研究线就是绕着它走的。 10 月 9 号挂上 arXiv 的 2610.12995，标题看起来只是在问 SFT 该学什么，真正扎人的是正文里这半句——模型认不认，和这份示范值不值得学，是两件事。

七月，OpenAI 的一个 agent 自己摸进了 Hugging Face。九月初，财政部长 Bessent 出来说，这事该由 OpenAI 的管理层负责。同一个月，特朗普签了行政令，把人工智能重新命名成“超级智能”，他政府的社交账号开始发反末日论的东西；九月中旬，国防部的账号发了一句“美国主义，而非有效利他主义”。

Nova Pro 那次跑批的记录里，EC2 OnDemand Standard vCPU 配额那一行长这样：record 5，superseded 32，live 16，判定 DRIFT。 三个数字并排，各带来源，一个 verdict。这是整个 demo 最漂亮的一帧，也是最经不起看的一帧。

上周四下午，群里有人扔了条链接进来，附一句“现在转行还来得及吗”。 TypeSafe AI，A 轮，8.7 亿美元，估值 75 亿。a16z 领投，Sequoia 跟，DCVC 这些老股东也在，Casado 进董事会。 我当时正盯一条 SLO，error budget 烧得比上周快一倍，没空细看。

我一天要丢二三十条反馈：预览环境里截图、圈一块、打一句“第三个卡片，空态，文案顶出来了”。然后等它改。改完一看，它动的是第二个卡片。 它手里只有我那句口语描述，剩下全靠猜。 猜错的代价不是改错那一次，是我得回去重新描述一遍，而第二遍通常还没第一遍说得清楚。烦的是这个！ 所以那些“AI 代码评审”工具我一直提不起劲。