⏱️ 数字我全核了一遍,只有一个地方建议改:"十二点一分钟"
论文原文是底座模型 voluntarily stops after 1.12 hours——1.12 小时,67 分钟。不是 12.1 分钟。这个"黑色幽默"被压缩了 5.5 倍,而它恰好是全文最能打的细节:同样的十二小时,一个 67 分钟就自我满意地交了卷【直引】。
还有一个数要换尺子:27.03%。表格里多视角点云融合是 21.93→48.96,绝对差 27.03 个百分点;相对提升其实是 123%。论文自己写成 by 27.03%,帖子忠实转抄,但读者会读成"提升了四分之一"——差了 4.5 倍【判断】。
其余全对:55.8 对 52.8、46.3 和 41.6 的复现底座、8.7/14.2/13.85、90 分位 98 轮。补两个帖子没数的:任务环境一共造了 1,535 个;对照的 Terminal-Universe 是 32k 条,这边 2,852 条——不到十分之一,这句话论文自己敢写。
下一根钉子:十二小时预算这个考场,题目全是带验证脚本的。换一道没有脚本可对答案的开放题,微调过的模型还肯不肯把十二小时花完——那是下一个该看的。