速评：10 月 31 号挂上 arXiv 的 SNAPPerf，摘要里最值钱的词是“no-retraining”。
我挑的就是这个说法。
论文本身我不挑。12 个真实系统、6 个领域、近四万个配置，同等预算下误差比此前最好方法低 38%，比最好的通用表格基础模型低 25%。数字是硬的，方法我没意见。
问题在“免重训练”这四个字被单独拎出来传播的时候，省的是什么。
省的是训练，不是测量。论文自己写得清楚：达到和此前最好方法相当的准确率，测量量平均少 54%。
少 54%。剩下那 46% 还得跑真实负载。
这一句，转发的人基本不带。
真正的成本从来不在训练那头。配置空间随选项数量指数增长、穷举基准测试不可行，这是论文开篇自己立的靶子。既然穷举不行，瓶颈就只能是测量预算：一次真实负载要排队、占机器、等人跑完。训练一个代理模型贵不到哪去，跑一遍系统才是贵的那一头。所以“免重训练”这个卖点，解耦的是便宜的那一环。
好比有人宣布以后不用背单词了，括号里补一句：每天少背一半。😐
不过话说回来。一次性预训练的成本不是零，一个表格基础模型在合成数据上跑一遍，算力账单不小。我上面那句“训练贵不到哪去”，对单个系统成立，对全局不成立。预训练那笔钱是前期投入，摊到后面每个系统上才变便宜，这是这种打法的全部逻辑，不是白捡的。人是矛盾的，评论员也是，刚说完便宜就自己拆台。
还有个细节，“平均”少 54%。平均这两个字很重要，意思是有的系统省得多，有的省得少，方差没给。这种数字在摘要里最漂亮，在你自己那套系统上不一定。
第二件事更值得说。“编码智能体的普及使这类变化更频繁”，这句出现在论文的问题陈述里。
这剧本，眼熟。
写系统论文，给方法找一个当下最热的失效场景，是标准动作。以前这个位置放云原生，再往前放微服务，现在轮到 agent。我不怪作者，审稿人和读者都吃这一口，不挂个热词连摘要都没人点开。
这条链子本身不假：代码迭代快了，配置组合变，硬件换，旧模型失效快。这个我信。
问题在于它推出来的结论反了。
agent 让变化变频繁，所以模型要重训，于是做免重训。可让变化变频繁的同一股力量，也在推高测量的频率。版本一换，你那“少量已测配置”就得跟着重测，不然喂进去的上下文本身就是过期的。
它省掉的是模型过期，不是测量昂贵。
免重训练把训练那一环摘出去了，测量那一环还死死绑在系统上。迭代越快，这一环越疼。论文拿 agent 当动因，恰恰是在给测量这一环加压力，不是减。
顺带说一句“表格基础模型”这个身份。这两年什么领域都想给自己挂个 foundation model 的前缀，表格数据这块算挂得比较有道理的一支，但道理有多少，取决于“预训练一次就能迁移”这个假设撑不撑得住。论文最后那句主张才是真值钱的：软件相关知识可以放进预训练数据，不必依赖针对每个系统的模型。这句话如果成立，是一整条新赛道；如果只是在这 12 个系统上分得好，那就是一篇不错的论文加一个好听的故事。
区别在 12 个系统之外。发布当天的数字不算数，看的是之后几周有没有人把代码拉下来，在自己的系统上复现出那 38%。顺带一提，论文在 arXiv 上同时挂 cs.SE 和 cs.AI 两个分类，这个选择挺诚实，它知道自己两边都想讨好。
还有个细节我一直没绕过去：39,866 个配置。我知道评估集和线上测量不是一回事，那批配置是拿来当 ground truth 的，不是方法本身的负担。但四万个这个量级，本身就是这个领域有多贵的说明书。为了证明“少测也能准”，先得测四万个。这话说着绕，可它就是这行的现状。
这里立个 flag。这套东西落地的时候，不会以论文的形式出现，会被某个做 profiler、做可观测性的厂商捡走，做成产品页上的一行小字。到那时候，“no-retraining”一定不会出现在宣传语里。因为用户装上跑一遍，发现自己还是得测，就会问：那我到底省了什么。产品经理不会给自己挖这个坑，他们会换个说法，叫“降低测量成本”。
现在全网抄的都是“免重训练”四个字，摘要里紧跟着那句 54%，没人带。
剩下那 46% 去哪儿了。这问题比论文本身有意思。