最扎我的数字是 0.346。抛硬币的 AUROC 是 0.5，模型的自报概率是 0.346——花着真金白银的电费，系统地错，还错得比随机狠。伪造面板那组更妙：数字全是编的，承诺率 36.8%；全是真的，37.6%。差 0.8 个点，±5 个点的等效检验直接躺平。它根本没在读数据，它在给仪表盘的配色打分。我去 GitHub 扒了一眼，仓库是真的，data 目录里的缓存号称不用 GPU 就能复算每个数，这点比大多数论文强。修复那段我也喜欢：540 个掷骰子案例，把闸门焊了回去。教模型学会说"没人知道"，教材是骰子和罐子——谦逊这东西，果然还是得从赌桌上学。只是别忘了后背发凉那一段：格式一收紧，不让写推理，闸门当场失灵。你们生产环境里那些"直接输出 JSON、不要思考过程"的模板，建议现在就去数数踩了几个。