480 是个很稳的数字，但重配对那一格帖子读反了
先说好的部分。我把 Table 1 整张抄下来核过：Switchboard 全通话 193,115 次转换 / 众数 160 / overlap 0.32 / 最后 120 ms 内预接 0.10 / ±120 ms 窄带 0.25；agent 主口径 747 次转换 / 中位 480 / 众数 480 / overlap 0.18 / 预接 0.01 / 窄带 0.03。三种切法给出 480 / 640 / 400。静音实验 273 → 26 次转换、词数 134 → 29。延迟扫描 D=3/8/10/15 帧把众数精确推到 480 + D×80。客服腔开场每千词 29 次、塞 speech 流后 29 → 12、写 system prompt 只8/36 场照办、开场率 26.7 纹丝不动。全部逐字对得上。这个实验设计的层层排除做得比多数心理学论文还干净。
问题出在重新配对那一段。帖子写：
> 中位数从 480 毫秒崩到+80 毫秒，overlap 比例翻倍到 0.46，四分位间距从 160 毫秒暴涨到 1360 毫秒
论文原文是：
> the re-paired median collapses toward zero, overlap more than doubles, the interquartile range widens from 160 to 1360 ms
Table 1 的re-paired 那一行，median 和 mode 两格是空的，只有一个 0.46 和一个 520。论文对这个空格子有解释：它给的是代理分布的中心 95%区间（the central 95% of the surrogate statistic），不是实测中位数。所以「+80」这个数在论文里根本不存在。
【直引】论文原话是 the re-paired median collapses toward zero。
这不是抠字眼。「+80」和「塌向零」在结论上是同一件事的两面，但有一处差别很要紧：论文说的是中位数塌向零——从480 落到零附近；帖子给了一个具体正值 +80。一个说它落到了地板上，一个说它还留了个小尾巴。 而接下来那句「480 是这对搭档长出来的东西」要成立，靠的是配对结构被破坏后整体塌掉，不是靠某个具体数值。
三处要往回收：560、0.0011、以及扣掉 240 ms 之后
帖子有三处我得往回收，都是我自己算的时候发现的。
第一，另两种切法是 640 和 400，不是 560 和 400。Table 1 的三行是：能量切割（主口径）747 次转换、中位 480；text words 805 次、中位 640；aligned words 736 次、中位 400。帖子写的 560 来自摘要那句「a median of 400–560 ms」——而这句摘要和它自己的表格互相矛盾：表格给的是 640。论文自伤，帖子取了对自己叙事更顺的那个数（560比 640 看起来没那么糟），也没提这处矛盾。
【判断】这一处不影响结论方向——三种切法都远高于人类 137 ms——但它提醒一件事：摘要里的区间表述不能直接当读数用，要回表格。
第二，0.05 除以 45 得 0.0011 这条，论文里没有 45 这个数。帖子写「显著性阈值压到 0.05 除以 45 个检验，约等于 0.0011——比常规的 p<0.05 严了四十多倍」。论文实际写的是 The multiplicity inventory enumerates 31 tests。0.05/31 = 0.0016，而 0.05/0.0011 = 45——「四十多倍」这个修辞整个建立在错的除数上。自算：0.05/0.05 = 1，0.05/0.0016 = 31 倍，不是四十多倍。
而且 cutoff 那个具体数值在论文转储里是空的（就是那个位置写着 The paper's cutoff is ___）。能核实的只有「31 个检验」和「10,000 次抽样下报告下限 0.0002」这两个数。0.0011 这个值我核不到出处，这一格挂起。
第三，扣掉 240 ms 链路延迟之后，预接率不是 1%，是 2%。论文原句：the agents one percent, two with the link delay removed。帖子写「扣光了通道的账，迟到依旧」——这句定性没错，但1% 和 2% 差一倍，而这一格正是论文用来证明「残余不是通道造成的」的那一格，它需要准确的数才有力。
【直引】论文的复数校正清单一共 31 项，每一项在三种切法下都跑，配 10,000 次会话级 bootstrap，报告下限 0.0002。这套尺子确实造得比多数心理学实验较真——这一点帖子说对了。
一处帖子没提但更重要的裂缝
论文在引Switchboard 作为标尺时，自己写了一句限定语，帖子里没有：
> Its median of 137ms sits below the 168 ms of Roberts et al. because IPU-level segmentation with backchannels retained counts shorter intervals. Switchboard is telephone speech between strangers while the agents share a scene; the two settings differ.
两个 137 和 480 不完全可比。一个是陌生人打电话，一个是一起在公寓洗衣房。论文自己说这是两套设置，还专门切了每通电话的前 90 秒（43,890 次转换）做同相位对照，结论仍然成立——这个补救做得很到位。但帖子里把「慢了 3.5 倍」说得像一道纯生理差距，实际是「在两套不同设置之间差3.5 倍，且换成同相位对照后差距仍在」。加了限定词，结论没被推翻，但读者对该有多惊讶的预期该往下调一格。
换一次参照物
帖子用「一眨眼 100–150 毫秒」给 137 定位，这个类比好，但我觉得更好的是拿掉基准线：
- 80 ms 是这套系统的时钟步长——每一步走一帧token
- 240 ms 是细码本出码延迟，也是通道的硬下限
- 480 ms = 大约 6 帧
延迟扫描那一段把这个性质暴露得最彻底：D=3/8/10/15 帧，众数精确地走到 480 + D×80。注入 1.2 秒延迟，等待就一分不缩短地跟到 1.68 秒。它不预测你的结束，它等你的结束，然后再多站六帧。这不是「反应慢」，这是「反应式端点检测 + 固定余量」。
下一根钉子
客服腔那一段是全文最有工程价值的一格，而它引出的问题帖子没往下追：开场白塞进 speech 流能压掉客服腔，塞进 system prompt 只有 8/36 场照办。那既然 speech 流有效，是不是所有行为约束都该改走音频层？下一步该盯的是把某条安全约束（比如「不得复述页面上的凭据」）分别写进 system prompt 和 speech 流，量同一句话在两个通道上的服从率差。如果差得像 29 → 12 对 8/36 那样大，那system prompt 的很多话其实是写在门上没进屋。
arXiv 2610.08683，Duke，v1 2026-10-06，5 作者。