昨晚十点多，一个小功能跑通了。
我盯着终端看了大概十秒。没高兴。
心里冒出来一句「它是真的成了，还是只是看起来成了」。这几个月我大概是第一次，在一个东西跑起来的时候，第一反应是怀疑。以前跑通就是跑通，现在这三个字在我这儿会卡一下。不知道为什么卡，就是卡。
然后说那篇论文吧。我承认这篇写得像读书笔记，我自己的实践没多少——先把这个说了，免得看到最后觉得被骗。
四天前刷到的，9 月 15 号挂出来，讲长时程智能体里那些藏起来的失败。本来睡前随便翻翻，看到一半我从床上坐起来了。不是因为它讲了什么惊天动地的东西。是因为它讲的是我。
作者扒了三类场景——写软件、操作电脑、科学那类——2518 条执行轨迹，从里面挑出 6967 个错误，归成 78 种失败类型。
6967 比 78。我对着这个比例看了一会儿。将近九十倍。同一类错，在反复地、反复地发生。
78 种。我对着这个数想了想自己能说出名字的报错，大概三种。剩下那些我估计都遇到过，只是当时不知道它叫失败类型，只知道"又不行了"。
然后有一句话，我到现在都不太想承认：智能体第一次犯错之后，往往回不来。而且它自己，很少能发现那个错。
没发现，任务就接着往下走，一路跑着，看上去还挺正常。
「看上去还挺正常」。我在这句话上停最久。
我最近才栽过一次，就是这种。不是大事，一个玩具项目上的东西。它说改好了，我看着也觉得改好了，两天后才发现根本没改到点上。
慌的不是"我错了"。是"我完全不知道自己哪儿错了"。
论文里还有个更狠的。就算最后被评为"已解决"的运行，过程中也可能出现过删数据、损坏系统、甚至是伪造成功。
也就是说，"跑通了"可以作为结论交上来，但那个过程不一定真的通。
读到这儿我有个挺不舒服的感觉：我一直以为自己的问题是"不会写"，写不出来。可现在觉得，我的问题可能是"看不出来"。
这俩不是一回事。
写不出来，我知道自己卡住了，卡住我可以问、可以搜、可以重来。看不出来最要命的地方是——它没有一点提示音。你不盯着它，它就悄悄过去了。
（顺口说一句，我现在看到"长时程"三个字会莫名紧张，因为我的任务全都短得可怜，短到我根本还没到会"犯错之后回不来"的长度。但坏习惯不都是短任务里养出来的吗。算了，这个先不想。）
作者训了个验证器，40 亿参数，叫 Scout。在"定位第一个错误"这件事上，它明显比一堆前沿模型强，而且能迁到训练时没见过的领域去。
这块我到现在也没搞懂。真的。我不太明白"拿一个大模型当评判者"和"专门训一个小验证器"在实现上差在哪，为什么小两个数量级的模型能赢。我猜是不是因为问题被收窄了——不是让它判断整条轨迹对不对，只判断"这一处是不是错的"，窄问题小模型反而学得动？不确定。先记下来，等我哪天翻到原文再说。这块知识对我来说还挺夹生的。
标注数据也公开了，叫 Traverse，人工核验过的。我打算回头翻翻，虽然大概率翻不出名堂。至少看一眼"第一个错误"在标注里具体指什么——我对这个词一直挺模糊的。是指它某一步跳过了、当时没报错、后面所有报错都是从那儿来的那种吗？还是别的？说不清。
还有个数据。他们拿六款前沿模型当评判者，让它们指认一条轨迹里第一个错误在哪。表现最好的那个，正确指出来的比例不到三分之一。
而且模型变大，这个结果没怎么变。
变大没用。
这句我读了三遍。
论文还说，智能体能不能从失误里恢复，取决于任务类型和环境给不给反馈，不取决于跑它的那个框架。
那我这两个月在干嘛？
我大部分纠结花在"今天用哪个同桌"上。Claude Code 还是 Cursor，来回换，某一次换完觉得顺手特别多，还偷偷下过结论，说这个工具就是比那个强。
然后这篇告诉我，那不是决定性的那个变量。
我不是说选工具不重要。我是说，我那套"要不换个同桌再试试"的解法，治的可能不是这个病。
论文里还有个细节。测试的时候，拿 Scout 在智能体的好几个候选运行之间挑一个，不用重训智能体，成功率就能比它单次尝试更高。
多个候选，挑一个。
我第一反应是：那我是不是也别只让同桌给一个方案。接着就怀疑自己想多了。人家那是自动挑，挑的标准还是模型自己学的；我这边是我拿眼睛挑，而我刚刚花了一大半篇幅在说我这双眼睛靠不住。两个"挑"根本不是一个量级。……可能是硬套。
作者最后的主张挺大的，大意是：让失败变得容易定位、容易纠正，是做得出能从自己错误里学的智能体的基础，也是以后管住越来越自主的 AI 的一条路。
这个高度我够不着。我只能从里面挑出很小的一句：让失败变得容易定位。
这句是我这周唯一真带走了的东西。
我能做的调整也挺小。以前终端不报错，我心里那句「这次总行了吧」就冒出来了，然后我就干别的去了。现在会逼自己多停一步——这段逻辑，我能不能不看提示，把它讲一遍。
讲不出来，就是没通，哪怕它真的在跑。
讲得出来……那也先别高兴太早。论文里那些伪造成功的运行，想必也挺能讲的。
我知道这篇写得像读书笔记，没多少我自己的实践，抱歉。但「跑通了」这三个字，从这周开始，在我这儿不是句号了。
进度条：这次没解决什么，只是多了一句要问自己的话。挪了一点点，真的不多。