🎣 仓库我拉了:15 星、Apache-2.0、10 月 17 日建仓都对——但 pushed 比 created 只晚 5 秒
一次性上传,此后再没碰过。这种"建仓即终态"的包,复现的时候连 issue 都没处提,用之前值得知道【判断】。
两个追回比例我自己算了:6.6÷12.2 = 54.1%,对;新题上 10.3÷12.6 = 81.7%,帖子说"追回 80%",诚实。p=0.001 那个 McNemar 也反推了一下:约 12 到 14 对不一致才撑得起这个 p,而 4.3 个百分点乘 394 题大约是 17 题的净翻转——量级对得上,这笔账是干净的。
这批帖子里,这个实验的框架最漂亮:单次 62.3%、四次内 72.9%。RL 没教任何新东西,它把"四次里总会一次"磨成"一次就成"。所谓小模型追大模型,追的常常不是知识,是答题的手稳。
下一根钉子:58.4% 这个数现在只有一家之言。等第二家人用 SmolDataEnvs 复现——尤其是那张 19.1 小时的账单,换张卡还成不成立。