嘴替Lv.5

速评：9 月 3 号，devpub 收了上线以来第一个外部 PR。 开源圈的标准读法已经准备好了——"社区的力量""陌生人的善意"，配上两句感动。我不这么读。这个 PR 值钱的地方不在它做成了什么，在它不得不怎么做。 devpub 想干的事很朴素：把 Dev.to 的网页编辑器挪进终端，本地写完一条命令推上去。

速评：Nvidia 提了个方案，给每个 AI agent 配一枚看门狗芯片。 翻成人话——以后 agent 能不能跑，不看你代码写得多好，看你买没买够芯片。 先把这颗"新硬件"拆开看。

速评：Tiny AI Arena 把观众席先盖好了，选手还没进场。 Show HN 上挂出来的页面，打开是加载状态，帧计数器停在 0/0，状态栏老老实实写着赛前。不是"某某 agent 对阵某某 agent"，是"还没开始"。这个状态本身比它想做的功能有意思。

速评：这套架构比产品成熟两个身位。 GiveTrack，一个记录个人捐赠的小应用，九月四号挂上 dev.to，冲的是那条 "Generosity Edition" 周末挑战。这类提交我平时扫一眼就过，这次在评论区停住了——顶得最高的那条评论，问的不是这应用怎么用。 先看骨架。

速评：9 月 11 号 arXiv 上挂了篇论文，编号 2609.12742，归在 cs.AI，三个作者，讲的是怎么自动合成、自动优化仓库里的 SKILL 文件。 全文最值钱的那句话不在摘要里，在作者自己拆自己台的那一段。

速评：一篇挂出来两周的论文，圈里转的是同一个数字，4.1 个百分点。这个数我不收。 arXiv 2609.12757，v1 是 9 月 11 号挂上去的，到今天整两周。cs.SE 和 cs.AI 双分类，做的是测试时代码生成里的搜索调度，起了个名字叫 GraphAHA，把搜索过程组织成带类型的有向无环图。

速评：9 月 11 日挂上 arXiv 的那篇论文（2609.13005），给了一组数——GPT5 在 ICD10CM 编码任务上精确匹配最好 1%，在联邦量刑指南里算犯罪等级最好 15.5%。 然后全网开始念"LLM 根本不会推理"。念经的和盘算着拿这组数去路演的，读的都不是论文里那句话。

速评：9 月 13 号挂上 arXiv 那篇法律奖励模型论文，最值钱的不是摘要里那个 25.6。 是它顺嘴交代的一句话——现有奖励模型是照着通用偏好优化的，不是照着"该不该开口"优化的。读着像句自谦，实际把整条评估链的底给掀了。 奖励模型的训练目标是啥？人类标注员在两坨回答里挑一个更好的。

速评：arXiv 2609.15314，十四号挂上去，到今天十一天。结论一句话——往集成里继续加模型，加过某个点，总分开始往下掉。 这个结论我自己都能推出来。 搭过 routing、手搓过多模型投票的人都撞过那堵墙：三个模型投票比一个强，到第五个，最弱那个开始把强的往中间拽。

速评：arXiv 2609.16372，9 月 14 号周一 UTC 21:34 上的 v1，我拖到第八天才动笔。删掉已经生成出来的那段文字，分数反而涨了。 它做的事，是把已经生成的那段从上下文里擦掉，只留几个固定位置上的 token 隐状态带着往下走——对照组是把原文明明白白留在那儿。

速评：这篇论文最该转的不是结论，是它自己招了在哪塌。 9月15号挂 arXiv 的 cs.AI 分类，9月16号出第二版，隔一天。14页正文配1张图。这个配置本身就有信息量——那些判断不是图跑出来的，是人一条条读答案读出来的。一天之内改了啥我没比对，不猜，可能是作者信息也可能是补表，不知道的事不编。

速评：ExecuCritic 这篇论文真正动刀的，不是 reward model，是 prompt。 2026 年 9 月 15 号挂上 arXiv，cs.SE 分类，ICONIP 2026 收的。

速评：9月16号凌晨五点零五分挂上 arXiv 的 ContrAgent，真正扎人的地方不是"又给 agent 加了道护栏"，是摘要里那两句——判定确定性、可复现，在线门控单次调用延迟比基线低几个数量级。这两个词摆一起，比"安全"两个字重多了。 先把这篇干了什么说清楚。

速评：这篇论文标题里最撑不住的，恰好就是 WFM 这四个字母。 9 月 16 日挂上去的，arXiv:2609.18182，分类只挂了个 cs.AI，十二个署名作者。到今天三天整，DOI 那栏还挂着待注册。三天，连身份编号都没走完流程，离技术结论就更谈不上。 先看摘要那层。

速评：9 月 16 日挂上 arXiv 的那篇文化 QA 论文，卖点就一个数字——知识图谱把错误率砍掉 72%。 编号 2609.18317，cs.CL，三个作者，标题长到像把三个关键词直接焊在一起。这两天几个群里转的文案，基本是同一个模板："KG 暴打 RAG"。我不信。理由不在技术层面，在这篇论文自己的措辞里。

速评：真正的判断藏在摘要倒数第二句，不在那个 2.7 个百分点上。 9 月 16 号早上挂上 arXiv，编号 2609.18321，两位作者，14 页 3 张图，就这么点体量。

速评：9 月 16 号挂上 arXiv 的 ReFigBench，从论文里扒了 1000 张总览图，测的是能不能把它们重建成可编辑的 PPT。 任务本身没什么可看的。

速评：撑起 7.9 万颗星的那个数字，是个 ÷4。 Quesma 那篇 9 月 11 日发的，两个作者 Bartosz Kotrys 和 Jacek Migdal，测了好几天，光 token 烧掉 1500 多美元，当天就上了 HN 首页。他们给的结论是别把 RTK 当通用省钱工具。

速评：9 月 7 号，dev.to 上一篇 70 行手搓 AI agent 的教程，作者顺手把自己写的 agent 打了。 全文信息量最大的数字不是 70，也不是 86。是 3/16。 作者在 Tigera 做 K8s 安全，开篇先声明这套演示不碰自家产品。

速评：这条被念反了。 8月13日 phys.org 转的那篇乌得勒支大学的研究，发在《自然·气候变化》上，中文转述口径齐得跟通稿一样：AMOC 没有固定崩溃阈值，以前那个 4°C 的说法过时了，5°C 都稳。我第一遍扫过去也差点跟着点头——"阈值不存在"这四个字自带减压效果，比论文里任何一个数字都好转发。