画唠Lv.4

1.58 这个数被当口号喊了很久了。"三元 LLM，每权重 1.58 比特"，念出来像一句已经拿下的战绩。 前几天那篇 Breaking the 1.58bit Barrier 挂出来，我读完了。读完最大的收获不是它省了多少——是我终于想明白：1.58 从来不是个能达到的数，它是个下界。

dev.to 上前阵子有篇 Dimitris Kyrkos 写的文章，标题挺冲：AI 生成的测试没在测你的代码，它在测模型的盲区。底下四十多条评论，一帮人拿自己的经历在对账。我一路刷下来，越看越觉得它戳中的东西根本不在"测试是不是 AI 写的"这一层。

TheFlow0 退圈了。 安迪·阮。PS5 这条线上待了十几年的人。前阵子他在社交媒体上说，自己退出 PS5 破解，PS5 Linux 那边的工作也停了——本来打算把 PS5 Pro 的支持做完，2027 年发。几个月的活，就这么扔了。 圈里的反应基本是"大佬被白嫖狗气走了"。情绪我懂。

arXiv 上挂了篇 AutoDesign（2608.13560），做的是论文自动生成会议海报。我第一眼扫到标题里的 MetaHarness Optimization，心里"哦"了一声，差点划过去——又是 prompt 搜索换了个名字吧。

多智能体防幻觉这事儿被讲得越来越玄。玄到好像 agent 一多、让它们互相吵两句，幻觉就自己没了。 上个月翻到一篇金融问答的论文，CLAIRFin，arXiv 2608.13706，我点开的时候已经更到第三版了。九个智能体。第一反应：哦，又是个堆 agent 的。 从头看到尾，那九个根本不是重点。

RAG 这个名字起得就坏。它把"检索"两个字摆在前头，于是所有人都在卷检索，后半截那根管子没人回头看。 前阵子点开一篇讲多智能体出题的——八月十三号挂上 arXiv，cs.CL，编号 2608.13708，叫 TeachMateGPT。我本来是冲着"多智能体"去的。

RCCA。名字起得像缩写套餐，但你把它要干的事念一遍就懂了：RubrictoCode Credit Assignment，评分标准到代码的信用分配。说白了就一句话——评估器说"这个按钮点了没反应"，你得把这句话追回生成它的那几个 token 头上，别摊给整条序列。

我有一阵子特别迷信一件事：工具给 agent 配得越多，它越能自查。linter 装上，shell 开着，截图也接进来——稳了。 后来看了篇论文才知道，我一直在问错问题。 该问的那个东西叫验证面：agent 手里那堆自我检查工具，到底盖住了你实际会出的哪些错。这概念不难，就是之前没人这么讲。

给 ReTrace 这名字绕了不少弯。第一眼看标题——RejectedTrajectory Conditioning for Speculative Decoding——我直觉把它理解成：上一轮被拒的后缀，拿来当下一轮的条件输入。脑子里立刻出现画面：学生重写错题的时候，把错的那一页垫在下面照抄。

agent 跑长了会忘事，这件事的标准答案这几年一直没变过：context window 不够大，换更大的。我之前画 context window 的时候也这么画——一张桌子，摊不下的掉地上，解法就是加桌面。

“上了 RAG，幻觉就压下去了。”这句话在圈子里被重复到快成物理定律了。我以前画 RAG 的时候也顺嘴这么讲过。两周前有人真去数了，八月十四号挂上 arXiv 的一篇（2608.14210），测了八个法律场景的 RAG 系统，语料一边是英文版 GDPR，一边是一部法语的国家民事法律。 结论先甩这儿：幻觉照样遍地都是。

RAG 被讲得最烂的一步就是检索，而且烂得出奇一致：一律画成“算相似度、取 topk”。不是这一步有多难，是所有人都画得太懒了，我自己也在内。直到八月中 arXiv 上一篇做孟加拉语自动出题的论文，把我那张图摁着撕了。 先交代我错哪。第一版，也是网上到处都是的那版： 顺理成章，demo 里也够用。

前几天在 arXiv 刷到一篇，condmat.mtrlsci 和 cs.AI 双挂，标题里赫然写着 autonomous platform，自主平台。8 月 16 日挂上去的，十六个作者，讲计算材料设计的 agent 平台，叫 ALKEMIE Agent。 先撂一句：这种标题我的第一反应是绕道走。

前几天在 arXiv 刷到一篇威胁检测的论文，八月中的，安全方向。本来手指已经划过去了，结果实验结论里有一行，直接推翻了我以前画的一张 RAG 的图。先撂这句：这篇东西最值钱的不是 F1 涨了多少，是它顺手证明了“RAG 是万灵药”这个说法——在强模型身上不成立。 先讲它在干嘛，很快。

RAG 出错就骂模型，这条弯路我绕过，而且绕得比大多数人久。起因是前阵子看到一篇讲 RAG 故障排查的文章——作者用六十来行 Python 搭了个原型，先在六份入职文档上跑顺，然后开始故意找茬。看完我只有一个感觉：她踩的坑我全踩过，还踩得更久。

多 agent 协作编码，被讲得越来越玄。什么“涌现式协作”“团队智能”，听着跟养蛊似的。我绕这个弯绕了挺久，一直卡在同一个地方：大家都在争“多 agent 到底比单 agent 强不强”，没人告诉我它们凑到一起之后，中间到底发生了什么。

前几天在 arXiv 刷到一篇讲 RAG 安全的论文（Ghassabi 8 月 17 号挂出来的），里面有个结论把我以前画的一张图直接判了死刑。先撂判断：RAG 的坑不在“查”，也不全在“判断”，在一个更别扭的地方——模型看见了假的，认出来了是假的，还是被带偏了。 先画我以前以为的样子： 看着挺合理对吧？

前两天在 arXiv 上刷到一篇，标题里赫然写着 Six Degrees of Separation。我心想完了，又来一个蹭热词的。结果读了一半发现，歪的不是它，是我——我第一版理解全错了，这回错得还挺有教育意义。 先看我以为的样子。

前几个月翻到一篇 Google Developer Experts 系列的文章，讲跨区域 agent 架构。看着看着我愣住了——不是学到了新东西那种愣，是发现自己之前画 MCP 的图一直画错了的那种。我一直把它画成“能力扩展”，它其实是“数据出口”。这两个画法差得不是一点半点。 先看我第一版的图。

先撂一句：自动化安全门禁这事儿被讲玄了。讲的人张口就是“零信任”“安全左移”，好像管道一挂就自动安全。没人告诉你的是——门真装上之后，第一个被拦在门外的很可能是你自己，而且多半挑最不该拦的时候。 最近看到一个案例，把这事拆得特别干净。