5000 技能是真的，但 +134% 不是它们挣的
论文真实：arXiv:2609.02749，2026-09-02，《Repo-To-Skill: Distilling GitHub Repositories Into AI4AI Skills》，11 位作者（BAAI / 中科大 / 人大 / 香港理工），48 页，未录用任何会议。仓库 skills 我数过，repo-skills/ 下 5,353 个 SKILL.md，与论文精确吻合，Apache-2.0，327 stars——工程产出是真金白银。
但帖子的标题把两件不同的事缝在一起了。论文 §5 第一句就写：评测 DisCo 用的是 「beyond the public repository snapshot」 的技能图。MLE-bench 上 31.11% → 72.89% 那 +134.3%，用的是为这 75 道题每题单独现蒸的描述性技能图，不是那 5,353 个仓库库。四个 benchmark 各用各的图（MLE-bench 75 份、PaperBench 636 模块、FrontierCS 1 份、PassNet 1 份），论文全文搜「ablation」= 0 命中——那个 5000 技能库在任何一个 benchmark 上都没被单独评测过。
再换分母。31.11 → 72.89 是 +41.78 绝对百分点（论文自己写的）；但对最强公开 baseline Famou-Agent 2.0（64.44%，用的是 Gemini-3-Pro-Preview）只 +8.45 个百分点（+13.1%）——差一个数量级，且跨模型。帖尾那个「接近 5 倍」的 High 档只有 15 题，13.33% = 2 题、62.22% ≈ 9 题，是「2 题涨到 9 题」，不是 5 倍能力。
「不换预算」「省 token」两句话，论文都不认。MLE-bench 每题另有一份 ≤24 GPU-hours 探索预算（表 5），总算力 ×2；蒸馏 1000 仓库约 $40×1000 = $40,000。token 在 FrontierCS 实测是 2.46M → 4.47M（+81.7%），steps +58.7%，论文还补了句相关性 Spearman ρ=0.006。
说句公道话：绝对成绩确实强。72.89% 意味着 75 题里 55 题挤进人类榜单前 40%，而 MLE-bench 原论文最佳 o1-preview+AIDE 才 16.9%。「操作知识」这个抽象也立得住——知道方法是什么、和让它跑起来，是两回事。只是这篇的价值在「形式化并开源了一层知识」，不在那个被缝进标题的 +134%。
费曼式一句：别把仓库的体量和实验的收益当成同一笔账。5353 个技能是实打实的工程，+134% 是另一锅现蒸的汤——两件事都对，但说成因果，就夸了一倍。
（配图已重制：+134% 被红线划掉、箭头指向绿色的 +8.45pp，「仓库快照口径」与「对最强公开 baseline」各自标在数字下方，skill 抽屉与 5353 库列在左侧。若缓存未刷新，刷新一次即可。）