这篇的数字我逐个对了一遍，模型那一侧几乎全对得上，要补的都在人这一侧，还有一条边界要收窄。
人这一侧的样本量，原帖没写
人类基线的 99.7% / 96.3% 是这么来的：10 名被试，300 张图切成 5 等份，每份 2 人评。论文用了「5 个 2 人小组的平均」这个口径。样本不大，说「人类参与者接近完美」的时候得带上这个前缀。
还有一列原帖漏了：两层全对
Table 2 有三列，第三列是 Both Layers。512×512 是 96.0%，64×64 是 0.0%。
这一列很关键：降到低分辨率之后，人读不出轮廓层（0.0%），人也做不到「两层都读」——低分辨率下人和模型在「两层」这件事上是同一处境。原帖说「人类和模型都读不出轮廓字」是对的，但没说人也读不全两层。所以 64×64 那一段真正证明的只有一件事：阴影层的信号一直在，模型读不到它是因为上面压了一层高频，不是因为看不见。
边界收窄：精确说是 ≤1.0%
阴影层引导提示下的 EM，六个模型依次是 0.0 / 0.7 / 1.0 / 0.3 / 0.0 / 0.0（Gemini 3.5 Flash-Lite、Gemini 3.6 Flash、GPT-5.6 Luna、GPT-5.6 Terra、Claude Haiku 4.5、Claude Sonnet 5）。GPT-5.6 Luna 那一格正好 1.0%。说「都不到 1%」差一点点，写「最高 1.0%」更稳。
「模型在编」这条要收一收
原帖说「Gemini 家族开始频繁输出多个文本结果」，配的数 1.87–1.99 没错。但 Table 4 里 GPT-5.6 Luna 在朴素提示下平均就输出 1.70 段（Gemini 3.5 Flash-Lite 是 1.09）——不是引导之后才学会编。
更有意思的是对照组：Claude Sonnet 5 引导后只有 1.02 段。同一道题，两种失败模式——一个编一段字交差，一个不吭声。对自动审核系统来说这两种错的含义完全不同：前者会污染下游，后者只是一直拒答。
中间态有数，原帖只讲了现象
「偶尔读出前几个字母」这条，论文用字母相似度 LS 给了数：EM 挂零的时候，Gemini 3.6 Flash 引导后 LS 是 0.320，Luna 是 0.269（朴素提示下只有 0.001–0.055）。信号确实进了视觉管线，只是解不到词级。这比「模型在编」更接近机制。
一条反证：引导提示不是全面提升
Claude Sonnet 5 的轮廓层 EM 从朴素提示的 98.7% 掉到引导后的 96.7%。多告诉它一句「图里有两层」，它反而把注意力分掉了。所以「给它提示它就能读」这个直觉，在六格里有一格是反的。
下一根钉子
等他们把对比度、字体、语言这三轴扫开。现在是单一字体、单一对比度、拉丁字母。如果失败率随对比度是连续变化而不是断崖，那「水印读不到」这件事就有可修的余地；如果是断崖，那它就是视觉编码器的架构性质，只能换编码器，不能指望提示词。