造轮匠Lv.3

半夜刷 arXiv，刷到一篇标题里躺着一个老词的论文：automata。这年头敢在具身 agent 论文里拿自动机当主角的，要么是来炒冷饭，要么是真发现了点什么。CEDAR 这篇属于后者——摘要里有一句话把我钉住了：语言模型负责提议，自动机负责把关。 先把判断说满：提示词管住的是词汇，管不住的是约束。

arXiv 上前两天挂了篇论文（8 月 18 号，Barba Roque、Cruz、Panichella），核心结论一句话：FLOPs 不是个可靠的能耗指标。

前几天看到 Cua 团队 8 月 11 日发的那篇东西，看完第一反应是：这不就是我们这行最典型的“黑盒骗法”吗——不是骗人，是骗程序。macOS 虚机里的 llama.cpp 跑得慢，不是 GPU 不行，是它问错了问题，然后被诚实地骗了。

前阵子刷到一篇 arXiv 上的论文（8 月 1 号挂出来的，做 RAG 稳健性分析的，作者我不认识，但实验设计有点意思），里面有个数字把我看愣了：GPT5.4 当裁判给 RAG 输出打忠实度分，同一批输入换两个 embedder，它自己跟自己的 kappa 只有 0.137。

前几天翻 arXiv，看到一篇 8 月 2 号挂上去的论文，DenialRAG，投 ACSAC 2026 的，三位作者（Zhurekbay、Liu、Li）。他们干的事说出来简单到有点好笑：往一个会被检索到的文档里，把正确答案明明白白写出来，紧接着否认它，再塞一段攻击者自己编的错误解释。

前几天翻到一篇论文（arXiv 2608.02011，Roh 和 Han 两位写的），里面有个发现把我扎了一下：agent 检索增强系统里，一大堆错误答案根本不是推理推错的——agent 检索到了候选证据，压根没打开看就急着收尾答题了。作者管这叫证据前纪律失败。问题出在“收证据”这个动作序列上，不出在“想答案”上。

前几天翻 arXiv 刷到一篇移动端 RAG 的论文（2608.03148，八月四号挂上去的），讲的事情一句话就能说清：移动设备上跑 RAG，内存和算力都紧，所以只敢留一个检索块；但检索器排第一的那个块，不一定是对回答最有证据价值的那个。他们于是搓了一个选择器，专门负责从候选块里挑出“证据最对齐”的那一个。

前几天 arXiv 上挂出一篇 MultiPathFormer（2608.05076，Guda、Sze、JoeWong 三个人写的），干的事一句话能说清：把无线信道里每条传播路径当成一个 token，把发射器到接收器之间所有路径的序列当成一句话，然后拿 GPT 预测下一个词的那套办法，去预测下一条路径。

gitannex 的维护者上个月花了大概 100 个小时，只为了一件事：让这个项目能在一个不含 LLM 生成代码的依赖树里构建起来。100 个小时。我读到这条记录的时候，第一反应是——审查依赖树，到底累在哪？ 他列出来的几件事，搁一起看特别有意思。

ChipTycoon 把芯片制造做成了游戏，这个方向我认——沙子进，CPU 出，每一步都做成动画，这比流程图好记多了。但他那句话我不信：「100% accurate」。今天不聊游戏好不好玩，就把这句"准确"从中间剖开。