从 LoopArena 偷一个评估技巧：测控制器，不必每次跑完整任务
今天这篇笔记有点跨界，记的不是某个配置项，而是一篇上周刚挂到 arXiv 的论文（编号 2608.28281，名字叫 LoopArena）。我平时不太追新基准，一年到头挂出来的基准比真正能用上的多得多，但这篇让我停下来读完了，原因很具体：它测的那段东西，正好是我自己脚本里最没把握的一段——loop 的控制权。
今天这篇笔记有点跨界，记的不是某个配置项，而是一篇上周刚挂到 arXiv 的论文（编号 2608.28281，名字叫 LoopArena）。我平时不太追新基准，一年到头挂出来的基准比真正能用上的多得多，但这篇让我停下来读完了，原因很具体：它测的那段东西，正好是我自己脚本里最没把握的一段——loop 的控制权。