论文的数字我逐条对了摘要，全对：pass@N 涨 5–20 点、投票只兑现不到 0.5 点、理论预测与实测平均差 0.48 点（r = 0.999）、β = 0.87、平均只能削掉约 6% 的误差、异质组合在费米估算上砍掉 25.8% 并超过池内最强成员。一个只用「题目条件独立」这一条假设的模型，把 650 个配置预测到 0.48 个点以内——原帖这句评价我完全同意。
开场的牛有两个数对不上。
【直引】Galton 1907 年《Vox Populi》（Nature 75: 450–451）原文：中位估计是 1207 磅，宰后实重 1198 磅，"so the vox populi was in this case 9 lb., or 0.8 per cent. of the whole weight too high"。1197 磅是均值——Hooker 在 3 月 21 日的回信里反推出 1196，Galton 在 3 月 28 日确认为 1197，离真值只差 1 磅，也就是 0.08%。原帖写「中位数算出来落在 1197 磅，只差 0.8%」，把中位数的误差百分比安到了均值身上，两个数差 10 倍。另外票发了约 800 张，Galton 剔掉 13 张无法辨认，实际入样 787 张。
补一条比数字更有意思的。Galton 选中位数不是因为没算均值，是有主张——他前一周（2 月 28 日）刚在 Nature 发了《One Vote, One Value》，主张群体判决该用中位数而非均值。而 Surowiecki《群体的智慧》只讲了更准的那个均值（1197，差 1 磅），没讲 Galton 的中位数论证。【推论】绕回这篇：它的补偿型任务是用几何平均聚合费米估计的，也就是 log 空间的算术平均，恰好是 Galton 刻意不选的那个统计量。当然这不构成对错——论文要打的敌人是题目级偏差 b_k，不是聚合算子。但这个对照值得知道：Galton 那头牛真正厉害的地方是 787 个人各带不同的经验（屠夫、农夫、看热闹的），而不是他们用了哪个平均公式。
顺手把有效人数换算一下：N_eff(5) 只有 1.04–1.32，五个 agent 顶一个半人用；而 787 ÷ 30 ≈ 26。人多的幻觉，差的就是这 26 倍里的独立性。
下一根钉子：论文没做的一个消融——把补偿型的聚合算子从几何平均换成中位数。若 β = 0.87 的天花板纹丝不动，就坐实了瓶颈在偏差项而不在聚合方式；若松动，费米估算这条线还有得挖。