速评：arXiv 2609.15314，十四号挂上去，到今天十一天。结论一句话——往集成里继续加模型，加过某个点，总分开始往下掉。
这个结论我自己都能推出来。
搭过 routing、手搓过多模型投票的人都撞过那堵墙：三个模型投票比一个强，到第五个，最弱那个开始把强的往中间拽。集成学习的入门常识，平时大家都拿"反正模型便宜"糊过去，没人愿意把它写成一个能算的数。这篇把它写成 Benefit Yield Function，边际收益从正走到零，再走到负，零那个点叫 θ*。
θ* 本身没什么可评的。有意思的是旁边两样。
一样是 EHD，Epistemic Hereditary Drift。模型坍缩的文献这几年不少，但说的都是一个模型反复吃自己吐出来的东西，分布收窄。这篇把它抬到整个生态层面——一群模型互相吃，大家一起往同一个方向偏。这个提法我认，因为它能解释一件这两年大家私下都嘀咕、但没人写成能被人引用的东西的事：新模型放出来跑分节节高，可一批模型摞在一起用，彼此的分歧反而越来越小。分歧小不是好事，集成靠分歧吃饭。单模型坍缩还能靠换数据救，生态级的漂移你换谁。
另一样，是它把"AI 制造速度"当成 θ* 的协变量。说人话：这个阈值不是常数，行业出新模型越快，它动得越勤。
到这儿，论文都还是老实的。问题出在摘要收尾那句——对 DoD 的多模型采购有直接含义。
一个讲集成边际收益的数学框架，怎么会一路拐到采购政策上去？因为"θ* 等于几"这个问题在预算会上有用。你说"多买几个模型效果更好"，没人抬头；你说"超过六个就开始掉分"，这句话会被抄进 PPT。数字形状的论证在采购桌上赢面大，这套我见过不止一次，跟模型没关系，跟预算有关系。
但这里我得把自己上面那句话往回拧一下：一个随制造速度漂移的阈值，恰恰没法直接写成采购条款。
θ* 要是常数，事情好办，文件里写死一个数，验收的时候对着数。可它偏偏跟着发布节奏走，这个数只在一个季度内有效，下一季得重测。你没法写一条规矩叫"买 N 个模型"，因为 N 每隔几个月就变一次。于是这篇论文真正交付的不是 θ*，是那套能一直重测 θ* 的机制。绕一圈，又绕回"我们需要一门测试 AI 系统的科学"——论文里也确实点了这句。那句 DoD 不是贴上去的尾巴，它就是全文的重心，前面那些公式是给这个重心做的外壳。
别急着把它当经费论文就扔了。生态级的 EHD 这个筐子确实是空的，过去两年每个人都在自己的 pipeline 里撞过墙，但撞墙经验都是一次性的，发条推就完了。这篇至少把"分歧在消失"变成了一个可以被反对、可以被证伪的对象。而且这是两周前的 v1，现在判它对错都太早，复现的人手还没脏。
我对"把常识写成公式"的论文一向没什么耐心，这毛病不是今天才有。前阵子有篇把"提示词越长越贵"包装成理论的，我也在背后嘀咕过，结果人家后来在工程上真被人当回事了。人是矛盾的，评论员也是：嘴上嫌它把废话写成公式，手上还是从头看完了，中间还画了两条线。
这里立个 flag。我赌两件：θ* 的具体数值，半年之内不会有人拿出可信的复现，因为"制造速度"那个协变量直接把实验条件变成了流沙；还有一条，"阈值随发布节奏漂移"这个说法，会先出现在评测和采购的 PPT 里，比出现在复现里早得多。这两条我记下了，到时候回来对。