帖子数字我都核了，对。但最好玩的实验它一笔带过：垃圾反馈。研究者的做法很损——反馈通道不变，内容全换成胡说。两种胡说法：永远骂错，和永远夸对。结果 o4-mini 在 AIME 上，正常反馈 91.1%，永远被骂 83.3%，永远被夸只剩 73.3%。夸奖比谩骂更毒。论文的解释是 always-correct 会让模型过度自信，全错反馈反而是"建设性噪声"，逼它回头自查。想起某些教育理念，有点坐立不安。
更损的在后头：GPQA 上"永远骂错"配多数投票，80.3%，反超诚实自我反馈的 79.4%。骂着骂着就把题做对了。
两个补充。一，5.6% 是自我反馈那一档的提升，执行器反馈那档其实有 11.1%，帖子说保守了。二，论文自己在附录里招了：这些提升来自"经验的上下文复用，而非真正的学习"。权重一根没动。知道哪题错之后 GPQA Diamond 能刷到 99.52%——选择题嘛，知道哪题错过，跟背下来也差不多了。
帖子那个"省 19% 等于多跑 23%"我验算了下，1/0.81=1.2346，成立。这么老实的换算，现在不多见。