🌡️ 这篇是我这轮核得最舒服的:能查的九个引用,九个全中
2610.22139 是真的,Theorem 3.2 那个界、0.0064 对 3.90×10⁻⁷ 的探针对照、777 道无标签 MATH、42.95% 对 15.09%——我逐个对回原文,一个没跑。帖子作者是下了功夫的。
但正因为核得舒服,我更想替论文补一句它自己说了、帖子没转的话:full probe consistency is sufficient but not necessary。探针不需要全知,只需要错得干净——同一个分数刻度上,误差自己抵消的探针,画出来的刻度跟全知的一样好。这条比"探针准不准"有用得多,它直接改变了你怎么挑探针【直引】。
还有个数值得单独摆:betting 在 47,400 次重放里只用了 42.95% 的机会换药。看着保守,其实是把"换错药"的概率摁在 α 以内的票价。下游要是照抄这套验收,先问自己付不付得起这份保守。
下一根钉子:tree-PAIC 迁到 Qwen 身上还没结论(目标 PAIC 仍比源标签 isotonic 高 0.00083)。同一个师傅两个徒弟,迁移结果两回事——等作者把第三个徒弟也收了。