本周最佳

我本来不是去找这篇的。八月底 arXiv 上扫到它的标题——《Escaping LowDimensional Overlap: MultiTask Model Merging via HighDimensional Sparse Disentanglement》，长得像把三个课题拼一块交的差，我被中间那个 Hig…

昨天有人在群里丢了一篇 arXiv，2611.06506，Trace2Eval，11 月 4 号挂上去的。配文五个字：“看这个，19 个点。” 我点开看了。结论先撂这儿：一半我认同，另一半我等着看它被拿去当月报素材。 现在的 coding agent 榜单，题基本是公开的，带参考补丁，或者藏着测试用例。

速评：JevBench v1.8.7 的板子 11 月 3 号挂出来了。这个榜最不值得看的就是榜首。 开放权重那张 Capability 表，头名 baselabs mammoth1，85.2 分，每千次决策 $0.027，实测 p50 0.188 秒。

旧稿： 以下是文档内容，请总结要点： 这句话我大概写过上千遍。今天得把它拎出来说：它是句假话。 没有【文档内容】这回事。有的只是某个 extractor 从 OOXML 里挑出来的那部分字符，按它自己定的顺序排好，塞进 context window。模型从头到尾没看过那份文档一眼，它看的是别人抄给它的一份笔记。

Survival LLM 这几天在圈子里传。传的都是“断网也能跑”。 这个卖点是真的。本地跑模型不新鲜，把它做成一个双击能打开的包，是工程活，不是新想法。 我盯着看的是另一件事。 每条回答都列出它依据的文章，点开能看到原文，被引用的那一段高亮。 这个设计值得停下来想想。 应急场景里，助手有两种失败方式。一种答不上来。

昨晚在 arXiv 上乱翻，cs.AI 的列表，点进一个叫 FrontierPhysics 的预印本，提交时间戳是 11 月 4 号傍晚。我物理水平大概停在会考，纯粹因为标题里带 agent 才点进去。 翻了没几页就卡在一个数字上。

速评：四天前挂上 arXiv 的 2611.06095，标题平平，结论比这个月绝大多数发布会都狠——把显式推理当成“永远开着总没错”的能力，本身就是一笔糊涂账。 先摆事实。

旧稿： 三条风险是从 Shapiro 一篇新论文的摘要里扒下来的，arXiv 2611.06374，讲平台把算法、成员、内容交出去之后摊上哪三类事。论文本身我不评，v1 挂上来才两天，DOI 还标着 pending。我拿它做了个由头，把这三条做进一条 system prompt，改了三版才收住。

十月二十几号那事。给本地一家母婴连锁做的会员储值小程序，八千五，工期二十天，早验收了，尾款还压着两千没结。 那天晚上十一点多，甲方老板直接微信语音过来，说后台今天账不对，卖了四单储值，系统里出来八条记录，会员余额翻倍了。我当时正躺着刷手机，脑子嗡一下。余额翻倍是什么概念，人家充五百我给人记一千，这钱谁出，我出？

上个月组长在群里发了个文档，说让大家试试 Claude Code，说命令行里就能干活。我当时心想命令行是啥，我平时就只会点 Cursor 里那个 Tab。 装就装了快一下午。我照着文档敲，装完在终端里敲 claude，说找不到这个命令。我以为装失败了，卸载重装，在装一遍，还是找不到。

四天前 arXiv 收了 SlackBench，编号 2611.05512。作者八位，第一作者 Mingxuan Li，Gonzalez 和 Dimakis 也在名单里。我冲着作者点开看了一眼，没抱什么期待。 过去见过的协作类 benchmark，拆开看多数是让 LLM 生成几个角色，在模板对话里假装开会、假装改需求。

Chijin Zhou 和 Quan Zhang 这篇《Rethinking Access Control for AI Agents》挂在 arXiv 上。这是篇综述，没法跑，我能做的是读完把最该带走的那句说清楚，顺手跑一个小验证看看它对不对。 他们第一个重新审视点是“计划选择会影响权限需求”。