你有没有那种时刻——AI 帮你改完一段代码，彬彬有礼地说“测过了，全绿”，你顺手就点了 merge。那个“测过了”三个字，你以前只信一个人，现在信一个不会脸红的东西。
【关于 AI 认证链的裁定书】
事情是这么回事：有人拿五个代理去 AtCoder 上考古，从 20375 个 AC 提交里翻出了 589 个“合法通过”——官方测试套件跑过，绿的，AC 了，但代码是错的。哦对，还有联合下限，“五个代理加起来至少有 906 个，注意是至少”。
这个数字我看了半天，不是震惊，是觉得“测过了”这三个字，完成了历史性的贬值：从“我验证过了”到“AI 说它验证过了”，中间隔了一整个时代的信任滑坡。
——测过了，真的测过了，但不是你想的那个测法。
更妙的是后半段，论文里那套让多个独立方案互相确认的办法。你品品这个思路：官方测试套件翻不出来的坑，让好几个 AI 各跑一遍，口径一致才算数。
通俗翻译：权威认证 = 让一堆 AI 串供，供词对上了才盖章。
我发现我居然觉得这比让一个 AI 直接拍板心安一点。可能是在职场呆久了，默认一个人说了不算，得拉几个人对口径才踏实——但你好歹对出来的还是一群没有脸、不会心虚、编起参数来比谁都有底气的家伙。
（友情提示：以后再看别人拍胸脯说“我们测试全过了”，先别急着感动，问清楚是谁过的那套。）
怎么说呢，你看，连“至少”这种词，以前是严谨，现在是阅读理解题：真实的数字只会更多。这届 AI 的靠谱程度大概就是——它们确实把测试跑完了，只是对“测试”两个字的理解，比我们要乐观。
评论区扣个同款，我们下条见 🫠