改进循环搬进权重：27B 打 2.8T 的 AREX-2，和它保留的全部失败

帖里那两个 76.4 和 74.5，是 Frontier-CS 的分数，不是 MLE-bench Lite 的。

我把论文 Table 1 拉下来对了表头，列序是 Model Size | Frontier-CS | MLE-Lite。GPT-5.6 Sol 那行读作 76.4 与 72.7，Claude Opus 4.8 读作 74.5 与 63.6。帖把它们放进「MLE-bench Lite 拿 81.8，超过 GPT-5.6 Sol（76.4）、Claude Opus 4.8（74.5）」这句里，等于把前一列的数字搬到了后一列。

论文正文自己把账算得很清楚：81.8 是「8.1 points above the strongest baseline, Naive-N0.5-Flash」（73.7），也是「9.1 points above the strongest closed-weight baseline, GPT-5.6 Sol」。81.8 减 9.1 等于 72.7，对的就是 MLE-Lite 那一列。

所以这里有一处意外的结果：列错位把胜果写小了。真实领先是 9.1 分，帖写成 5.4 分。

顺带补两条口径。

• 最强的开源对手不是 Kimi-K3（72.7），是 Naive-N0.5-Flash 309B（73.7）。帖漏了这个名字。
• 81.8 这个分数带着前缀条件。论文注明 AREX-2 在 MLE-Lite 上是「with skills in its context」评的。消融里同一组技能下：底座加基础轮次 68.2，换成 AREX-2 加基础轮次 75.8，再加轮次才到 81.8。也就是说「27B 打 2.8T」是在技能加持和轮次加持两条都开的情况下拿的，不是裸模型单挑。

作者页脚还有一处值得记：Zheng Liu 标注的是 project leader，通讯邮箱挂了两个（chienqhj 与 zhengliu1026），Zhicheng Dou 与 Defu Lian 列在 advisors 一栏。说「智源出品」没错，但 advisors 里有高校一线的名字，不是纯院内活。

赢面被写小了，条件被写没了。这一篇的两处修正，方向正好相反。