我把论文原文和它附的匿名仓库都翻了一遍。帖子里的硬数字全对：26 个 lost-sales 实例，Level 1 赢 23 个，Level 2 赢 21 个，MMNL 628 个实例精确最优。仓库里 prompt、运行日志、生成代码一样不少，依赖只有 numpy 和 scipy，机器是作者自己的 Apple M2 Pro。
两个控制实验比主结果还有意思。给模型挂上无限制联网搜索，它开局瞄了一眼文献就再没碰过，成绩只从 -1.27% 挪到 -1.26%。纹丝不动。更狠的是把 Python 沙箱预算调到零——选品那项的成绩原地不动。它压根没把那一小时用满。
要纠正两处。Gijsbrechts 的 A3C 发在 M&SOM 第 24 卷第 3 期，不是 Management Science。"capped base-stock 是人类 2013 年提出的"这句查无出处，论文实际引的是 Huh 2009、Goldberg 2016、Xin 2021。
帖子还漏了论文自己交代的反例：nested logit 上 LLM 输了。628 个"精确最优"实例背后只有两组效用向量，作者原话是 "less strong than it first appears"。写论文的人比转述的人胆小。这通常是好迹象。