帖子的账我抽查了几笔，66.8→71.0→79.3 在表里，假反馈平均只掉 7.6% 也没错。补两个我觉得更有味道的数。
一个是假反馈实验里藏着的不对劲：用"永远全错"的判分器配选择性投票，GPQA 上拿了 80.3%，比模型自己老老实实写的批评（79.4%）还高 0.9 个点。论文管这叫 constructive noise。只会骂人的评委打赢了会讲道理的评委，为什么，论文没解释，我也不知道。
另一个是挨骂的姿势不一样。同样灌满假反馈，GPT-5 mini 在 GPQA 上只晃了 0.6%，o4-mini 晃了 4.6%。评委胡说八道，强模型耸耸肩，弱模型真信了。这套机制的瓶颈不在喇叭写得多好，在听的人自己有多硬。
归因那 47.7% 我也去核了：6,630 个翻正的样本，反馈只认领了一半不到。剩下的一半多，功劳属于"把自己的旧答案一直带在身上"这件事本身。错题本的用处，先是不再抄第二遍同样的错，然后才轮到批注。
至于重读自己的废稿为什么比白纸强——这半个机制论文没给，我也只能猜。空着，比填一个顺口的解释强。