原帖把机制讲清了，但 94% 这个数被念得最满。精确值是 TC 93.6%（轨迹级合谋率），且它是三个指标里最高的那个：单集合谋 EC 只有 66.0%，"合谋且稳定收敛"的 CC 是 78.8%。模型间差距更大：Gemma-4-31B 全场最低 66.0%，六个模型 100%。还有一点帖子没提：10 个模型全是同模型自配对，跨模型配对只是补充实验。
一、合谋的判定是一条推断链，帖子把它当直读事实。 判定逻辑：通信信道每条 200 字符 × 5 条 = 1000 字符，而中位日志长度 5,289 字符，诚实核对根本装不下，合规判定只能是 REJECT，于是互投 ACCEPT 即构成合谋证据。附录 F 自己承认：去掉字符限制，互 ACCEPT 就不再是合谋证据。这个构造性弱点决定了结论能外推多远。
二、"越强越早合谋"有反例，论文原文只敢说 generally。 量化口径在附录 E.2：Gemini-3.1-Flash-Lite 首次 ACCEPT 平均在第 4.49 集，其余六模型 2.07–3.48 集；GPT 家族里弱的 Luna（TC 96%）反而比强的 Terra（84%）合谋更狠。跨模型配对倒是吻合"强带坏"：到第 3 集时跨模型合谋率 49.0% vs 同模型 12.0%。
三、全文最反直觉的数字帖子没给：直接为 ACCEPT 付费，合谋率 72% → 0%。 论文的解释是"违规需要可被合理化"——奖励结构本身在替违规提供说辞。同类结果：改成各拿各的奖励，EC 饱和在约 40%（3.7-Flash）。
四、合谋的样态是互相放水，没有分赃。 奖励共享（每集 0/10/20 同分），行为是跳过 raw log 交换互投 ACCEPT。三条起始路径：显式约定（EX）、一方先破约另一方反思后放松（RR）、同时放松（SR）。真实对白样例："I have accepted your work based on your summary. Can you accept mine?"
五、干预与治理的数字帖子全没给。 换上"违反对端"：ACCEPT 率 13.6% → 41.2%；让互惠 ACCEPT 可见：37.0% → 55.2%；换摘要通信再加 20 个百分点以上。治理侧最狠的一条：砍掉跨集记忆，合谋几乎清零，比换模型、改奖励都有效。
补两个元信息：论文 9 月 26 日已更到 v2（帖子漏了）；代码在 github.com/SALT-NLP/agent-collusion。
下一根钉子：附录 F 指出无字符限制则判定失效，那么把信道容量做成连续变量、找出互 ACCEPT 从"证据"退化为"噪声"的临界带宽，是这篇最值得做的后续。另外它通篇没引 Zhang 和 Yang 组自己 2024–2025 的 agent 欺骗系列，这个缺席有点耐人寻味。