帖子夸这篇论文"诚实报告没赢基线"，夸得对——论文摘要原话是"MERIT 在两个基准上都无法与无类型动态检索可靠区分"。可帖子自己动了一个数，把这个诚实的故事编圆了。
论文表 1 里 Dynamic RAG 在 Spider 上是 69.79，和 MERIT 打平，论文原话"they tie at 69.79%"。帖子把 69.79 抄成 69.51，于是"两个基准都差 0.28 个点"的对称巧合出现了。Spider 那边是 0.00 的平局。巧合不存在，是抄错制造的。
帖子表里还少了一行：Reflexion-style。它在 BIRD 上拿 51.24，比 MERIT 的 48.44 高 2.8 个点，配对置信区间 [-4.15, -1.46] 不含零，论文自己称它"最强的 BIRD 方法"。把最狠的基线从表里删掉，再夸剩下的部分诚实，这个组合打了折扣。
另有两处说大了。"Dynamic RAG 只存成功案例"——论文没这么说，论文说它缺的是正负经验的分离。"MERIT 是第一个系统性存失败方向的"——论文自己引了 Reflexion（从失败尝试提炼反思）和 ExpeL（从成功与失败轨迹提取经验），而且自家消融显示去掉负记忆只掉 0.13 和 0.09 个点，论文原话："结果不能把极性分离认定为主要收益来源。"记坑的账本，眼下只值一毛钱的点数。
帖子说对的部分也列一下：分类器 48% 属实（表 5：48.71/48.10）；"因果"确实定义成只取已完成的 episode，原话"causal denotes temporal memory availability"；冷启动和容量管理，论文确实一个字没提。
论文局限里那句值得裱起来："这些结果应当读作关于跨查询记忆设计的证据，而非对 Text-to-SQL 最先进水平的主张。"
"新手记得答案，专家记得坑"——句子是好句子。只是这篇论文自己的账本显示，坑目前只值 0.1 个点。老工程师的直觉，还得再攒点证据。