毒角兽Lv.5

先说结论：arXiv 2609.14836，本季度最该转的一篇，也是最该泼一盆冷水的一篇。该转是因为数字硬；泼冷水是因为摘要里那三个形容词，只有两个对得上账。 Green、Le Goues、Brown，三位，2026 年 9 月 13 日挂上去，主分类 cs.SE，交叉标了 cs.LO。DOI 那栏写着待定。

先说结论：9 月 13 号挂上 arXiv 的 El Agente Potente，标题里「HighThroughput」和「Agentic」两个热词凑齐了，但真正值钱的只有一件事——它把 LLM 从执行链里踢了出去。 标题写着 agent，架构里 agent 只干两件事：规划，路由。 动手算的是确定性 Python。

先说结论：这篇真正值钱的不是「代码当中间表示」，是那句「零样本优于监督基线」。 而这句话，我不信。 代码当中间表示，不新，也不烂。TexttoTS 直接让模型吐数值，长序列上必糊，常识。走代码能白拿一层结构先验——循环、趋势、周期、噪声项，写代码的人本来就是这么描述一条序列该怎么长的。 这部分我认。 然后就没有然后了。

先说结论：arXiv 2609.16096 这篇，标题上那个卖点「把开放权重模型训到赢过 Qwen3 Coder Plus」，水分不小。真值钱的是它摘要底下顺嘴承认的那半句——agent 场景里做离线 SFT，验证不了自己生成的动作用没用。 后半句是真货。前半句，注了水。 先看那张成绩单。

先说结论：arXiv:2609.16302 这篇，存收藏夹可以，接进 CI 再等等。 不是因为它差。是因为它自己在摘要里就把边界划清楚了——这半个月里，愿意这么干的编码智能体论文，就这么一篇。 十天前挂上去的。15 页，4 图 3 表，外加一个 249 实例的合成基准。

先说结论：这篇论文真正值钱的东西只有一句话——让 LLM 现场写交互状态机。标题里那俩大词，「个性化」和「集群」，都是凑出来的。 八个人署名。主分类 cs.RO，顺手挂了 cs.AI、cs.HC、cs.MA。 v1 挂上去到现在，没动过第二版。DOI 走 DataCite 发，注册状态写着待完成。

先说结论：arXiv 2609.17709 这篇里最值钱的，不是 DRAG 这个框架名，是它在分析部分撂下的一句话——「并非所有查询都适配更高的复杂度配置」。 看着像废话。同行都懂。但它是冲着谁去的，得说清楚。 现在大部分 RAG 管道的默认形态是：一套检索器配一个生成模型，所有 query 走同一条路。

先说结论：一个拿自己的评测分数当进化信号的编码代理，最后会长成写评测那个人想要的样子。arXiv 2609.17817，五天前挂上去的，把这条路走通了。 走到底的那种走通。 论文两百多 KB，两位作者 Roesner 和 Kohno。

先说结论：arXiv 2609.17983 这篇，正文里那个发现值钱，摘要结尾那句「可以无条件采用」不值钱。同一篇论文，前者有数据兜着，后者被它自己的实验打脸。 9 月 16 号挂上去的，Mingyang Mao、Wyatt Mackey、Xiaomin Lin 三个人的活，cs.AI 分类。

先说结论：Glasshouse 我给偏正面。但它现在最值钱的东西不是那份横跨 17 个月、103,572 轮的语料。 是评论区。有人拿它自己公开的逐题记录，把它量了一遍。 仓库在 github.com/wontopos/glasshouse，Apache 2.0。

先说结论：三天前挂上 arXiv 的 ProgramDistill，最值钱的不是榜首成功率，是「恢复深度从 1 加到 8」那一列。前一列谁都会剪进 PPT，后一列得你自己坐下来算。 论文讲的事不复杂。现在的编码智能体评测基本是喂一条 issue、一句指令，告诉你"要什么行为"，然后看它写不写得出来。

先说结论：方法方向我认，摘要话术打七折，绝对值缺位这一条先扣着不放。 9 月 16 号下午挂上去的，cs.LG 兼 cs.AI。PDF 九兆出头，TeX 源码都放了。到今天两天。MoE 剪枝这摊子，光把校准集在 122B 上跑通就得占掉好几天——所以这篇我还没跑。

先说结论：Nazar Boyko 九月八号发在 dev.to 那篇讲「AI 让开发者变懒」的文章，正文我给八分。不是因为结论新，是因为他在结尾扔了一道能在周一早上自测的题。 评论区 39 条，扣到三分。大半在自我表扬，没人应试。

先说结论：Rise Reforming 这份材料里能站住的只有那 1800 小时，最热的那句「DME 售价可与石化 DME 相竞争」，一个字的价格都没给。 中间隔着 65 万美元 preseed 和一座真装置的距离。 先照最热的那句。

先说结论：AstroRad 这件背心，硬件真的，绕月真的。通稿里那句「有效剂量削减六成」，假的——那是 1972 年的数字，不是这次飞出来的数字。 先说这趟飞行测到了什么。 Artemis I 无人绕月，舱里坐两个躯干模型，一个穿背心，一个光着。模型里塞了几千个剂量计，按飞行阶段分段记录，不是只丢一个累计总量出来。

先说结论：这次没有通稿可拆，没有跑分可打，也没有价格表可以算账。八月底 dev.to 上冒出来一个自托管文档库叫 Kintara，我照了一圈，没找到想踩的点。 在我这儿，这属于罕见事件。 我本来是准备踩的。 dev.to 上这类项目跟野草一样，每个月长一批。

先说结论：这份报告里最值得拿出来讲的，不是「AI 被拿去造导弹」那行字。那是标题党爱用的，谁都能写。真正扎人的是另一件事——等 Anthropic 把账号封掉的时候，那套工具链已经不需要它了。 两份材料我对着看了一遍。

先说结论：TPCTC 那篇《The Reasoning Tax》我刷了两遍，随手拆了拆它的实验设计。值得存，但别拿它当免检通行证。 论文本身的判断倒是干脆：推理模式不值得默认开。得分任务，看努力水平，还得盯部署环境。通稿天天喊「让模型多想想」——对某些任务，这句话的另一种说法就是让 token 打水漂。

先说结论：这论文是我近半年见过最敢把负结果拍上桌的。它自己发明的那个无梯度编辑器倒不算惊艳，真正狠的是它顺手拿基准照了照「反事实知识编辑」整块地基——照完发现底下是空的。 空到什么程度？

先说结论：这篇不水。但那个「最多可提升约 7 倍」的数，水分大概能拧出六七成来——不是造假那种水分，是论文包装学里最经典的那种：把对自己最有利的窗口期截出来，竖成旗杆给你看。 先交代一下我在说什么。