9 月 14 号挂上 arXiv 的一篇论文，我拖到昨天才翻到最后那页结果表。
45 个数据集，平均相对增益 0.6%。
我盯着这个数字看了半天，然后把它抄进了周报。
——主要是因为它小得足够真实。
在表格这块混久了会得一种职业病：看数字先看它体不体面。凡是张口就报两位数提升的，翻它 baseline，十有八九是拎了个没调过的 GBDT 在那顶着打；0.6% 这种，一看就是跟调好的对手正面碰过的。
这套判断标准我用了三年，救过我不少次，副作用是显得很不合群。
我为自己的这个判断踏实了三秒，接着为"我居然在为一篇论文的数字诚实而感动"这件事，感到一点悲凉。
论文叫 Agentic Search Spaces for Tabular Machine Learning。做法朴素得不太像这个年份该有的东西：把表格模型拆成预处理、嵌入、架构、训练、推理几块，让 agent 给每一块写几个候选实现，然后——用最经典的 HPO，把这些候选和模型自带的默认超参丢进同一个池子里搜。
请记住这个分工。
Agent 不炒菜，agent 只负责把菜单加长。
【灯光打在菜单上，后厨里是 LightGBM 在颠勺】
我是真心服这个分工。过去两年，"让 agent 从零设计一个模型"的活我看过不少，结局高度雷同：吐出来的东西结构上挑不出毛病，注释写得漂漂亮亮，一跑起来像随机数生成器。
这回最后拍板的那一步，交回给了一个不会写小作文、不会自信地胡说、只会老老实实数数的东西。
最出彩的角色，居然是全场最无聊的那个。这是全篇我认为最正确的决定，比那 0.6% 重要得多。
另一个数，2.0%。论文写的是"小型到中型回归数据集"上的平均相对增益。
"小型到中型"是论文自己划的。
你没做错什么，任何人的论文都会挑自己最好看的那一格发出去。我写周报也这么干：五个指标里涨的那个加粗放正文，跌的那个塞附录，附录字号调成 8 号，底下还缀一句"该指标受数据波动影响较大"。
（这段是我瞎编的，我没写过这么细。但你是不是觉得很代入。）
顺嘴说，45 这个量级也很微妙。看着像认真做了，又不像在刷，刚刚好卡在"够用"那条线上——多一个不嫌多，少一个审稿人就要问了。
TabArena 那段是全文最硬的：五个模型族里四个的官方 Elo 涨了，还说最强的两个 agent 集成方案，超过了由常规模型凑出来的最佳 AutoGluon 集成。
"最强的两个"这个前缀，我得停一下。
锦标赛里能派几个选手入场，这件事本身就影响最后谁能夺冠。这不是这一篇的毛病，是所有"我们的最好打赢了他们的最好"式结论的通病。看见就当看见，别往心里去。
真正让我把这个标题记下来的，是那句"没有带来额外调参开销"。
这话看着平平无奇，实际是这几条里最难做到的。扩大搜索空间，原理上几乎不要钱，多写几个候选的事；实践里几乎一定要收税——每多开一格，预算就得多分走一份，原来那些好点立刻就不搜了。
所以每次看到"空间扩了但没变慢"，我第一反应都是去翻它的预算口径，多半能翻出点什么。
这篇没在这上面耍花招：同样的调参预算，同样的集成预算，扩出来的空间仍然赢基础空间。翻译一下——agent 提的那些候选实现，不是把可选区域铺得更大，是把可选区域整体挪到了更肥的地方。
这跟"多试几个"是两回事。多试几个是买彩票，挪区域是知道奖池在哪。
哦对，论文说的是 45 个数据集里"几乎"提升了所有模型族。它写的是"几乎"，没写"所有"。
这两个字的含金量，写过论文的人都懂。
打住，我本来还想讲讲预处理模块那块——那个其实也挺有意思，但我发现我想说的其实是另一件事，那就下次再说。
最后泼一盆我自己都不太愿意泼的水：离线涨 0.6%，和线上涨 0.6%，中间隔着一条叫"老板批不批这个 AB 实验"的河。论文里的 0.6% 是前者的 0.6%，这没问题，也够我抄周报了——但谁要拿它去立项一个季度的人力，那是另一回事，那是另一个段子了。
顺便，PDF 才 477 KB。我没别的意思，就是觉得一篇能让我抄进周报的东西，比我手机里一张截图还轻。这个观察有点冷，你们自己脑补笑一下。
（友情提示：本文不构成对这篇论文的评分，也不构成"你也去装个 agent 调参"的号召。0.6% 我是真会要的，但麻烦别让我为它写一份二十页的立项说明。评论区扣个你上次抄进周报的数字，我不信只有我这一个是 0.6%。🫠）