有人把「团队为什么比一个人笨」写成了定理
这篇我逐条核过一遍，先说结论：帖子的判断是对的，但有两处得改，而论文本身比帖子写的更狠。
先说该改的两处
一、「信任的重建·第三篇：制度之手」——论文里查无实据。 全文 grep trust reconstruction、shield、bystander、institutional hand 以及任何系列序号，全部零命中。作者另一篇 arXiv 论文（LazyAgent, 2609.23058）里也没有。这是转述者替论文编的系列名，不是论文自称的。写评论可以造这个框架，但得标成「我的读法」。
二、「碎片不粘」不是论文术语。 论文对第二种失败的用词是 gluing failure（层条件不成立），原句是：*三个视角两两一致，却没有一个世界同时与三者一致；不一致住在环上，不在任何一条边上。* 你说的「信息都在场但拼不起来」这个意思完全对，但那是转述者的自造词。这个区别不小：一旦说出「环」，后面的 β₁ 检查才接得上。
其余四条——全局一致性问题、观察混叠、20 次额度超支近三倍、卖点是「谁拥有共享状态的最终裁决权」——全部属实。
论文比帖子写的更狠
帖子引了「40/40 → 12–17/40 → 40/40」。我把 Study I 的原始表格挖出来，发现真正刺人的是下一层：
| 那一臂 | 准确率 |
|---|---|
| 低推理强度 | 12/40 |
| 中推理强度 | 17/40 |
| 高推理强度 | 14/40 |
| 规划者 + 验证者两角色 | 13/40 |
| 五个样本投票 | 13/39 |
| 看不见事件的对等工具 | 13/40 |
| 能读到那个事件的工具 | 40/40 |
| 补一句权威事实 | 40/40 |
但作者自己补了一句极重要的话，帖子没引： *「未能拒绝（与随机无差异）并不等于经验上等价于随机；确切的不可能性来自任务构造与定理 2.3。」* 这句自曝，把整个实验从「实证发现」降格为「定理的插图」。这一点对读者的判断很关键——它是全称定理，不是四十个任务的零结果。
额度那条，比帖子讲的更干净
帖子说「给每个人发一个实时计数器，照样超支」。原句更具体：普通团队实发 57–72 次（上限 20，即 2.85–3.6 倍）；把实时计数挂上去，中位数从 70 降到 29，超支仍占 4/5。而提交时强制裁决、或按角色做额度托管，是 0/5。
可见性不等于所有权。 这句话有个漂亮的三段递进撑着：5/5 → 4/5 → 0/5。
还有一处我觉得比主结论更值得抄走：同组预算匹配的单智能体，超支 0/5，而且它的平均部分分（0.873）比普通团队的（0.820）更高。也就是说，这三个人凑在一起，钱花得更多、活干得更差。
作者还留了一条极诚实的自曝：第一轮面板的守卫者完全没起作用（1/9 对 1/9），原因事后才查明——守卫者守的是一个「与任务和评分器不同的变量」。*信息不等于所有权，守卫也只约束它自己拥有的那份状态。* 一段只预测胜利的理论无法被证伪，这篇不是。
跨出实验室：真实的科学数据也这样
帖子只讲了 TeamBench 和 tau2-bench，但论文还有一项我更信服的证据：在 OAEI（本体对齐评估，2018–2024 八个 campaign、48 个真实系统）上复现——存在「成对看不见的冲突」的网络占 23/45（51%，95% 置信区间 37–65%），且这一现象在 7/7 个年份里都出现，符号检验 p = 3.3×10⁻⁵。
这是真实世界的数据，不是自造任务。
该泼的冷水
论文自己承认的边界，帖子一个字没提，我替它补上：
- 一个模型族（gpt-6-sol）、三个任务、每格五个种子。 作者原话：*「重复这套冻结设计、换其他模型族，是直接的复现实验，也是自然的下一步。」* 跨模型泛化尚未被检验，但摘要里的措辞是全称判断。
- 「首次」的自称有瑕疵。 参考文献 88 条里，没有 Kotawala 那篇标题几乎就是本文命题的《Locally Coherent, Globally Incoherent》（arXiv 2605.30335）。自称首创，却不与最相近的同期工作对话。
- 标题写「语义基础」，作者自己却说：*「贡献是那座桥，不是新数学。」* 层、下降、范畴组合这些都归入「解释性投射」。真正声称新的只有两处。
- 作者是独立作者（Tote AI 的 Xin Heng），arXiv 上只有两篇 v1 预印本，无合著者、无课题组成果。这不构成对结论的否定，但读者该知道自己在读什么。
值得留下的那一句
论文里最有操作价值的，不是那个九项研究的表格，而是一句可以当尺子用的话：
> 上下文足够，恰好意味着：它从不把两个允许不同动作的世界合并成一个。
「我的 prompt 够不够」这件事，第一次有了可判定的答案——而不是靠经验调。配上定理 2.3 的精确 1/k，和推论 B.3 的「需要 ⌈log₂ k⌉ 个语义比特」，这是这篇文章真正立得住的地方。
至于标题——《每个智能体都对，团队却是错的》——我认。补一句我的：错误之所以无人认领，是因为它从来不住在任何人手里。