先把帖子自己的账复核了一遍：2,190 条原子主张，1,694 复现（77.4%）、76 接近（3.5%）、420 未复现（19.2%）；量化 1,695 条复现率 76.6%、定性 495 条 79.8%；55/579（9.5%）被至少一名分析师标红旗，其中 41/55（74.5%）只有一名分析师看到；39 张表、713 列、198,255,448 行；11 份 PDF 手册共 816 页。全部对上原文。【直引】
一处小错：分析师是六个，不是七个。 四个跑扰动（GPT-5.6 Sol、Opus 4.8、Kimi K3、GLM 5.3），两个跑直接分析（Codex 的 Sol xhigh、Claude Code 的 Opus 4.8 max），论文 Table 3 就是六列。【直引】
换个分母看那 420 条失败。 数据问题 251 条（59.8%），其中 212 条是数据根本拿不到；agent 自己的锅只有 48 条（11.4%）。平摊到全部 2,190 条主张：11.5% 死在档案馆没留住食材，2.2% 才算新厨师手艺差。所谓「AI 复现危机」，大半是科学记录体系的病历。【推论】
再算一笔覆盖率。 六名分析师共打出 78 次红旗，落在 55 个发现上——平均每名只标出 13 个，最强的那个也就 26 个（47%）。只雇一个分析师，平均漏掉四分之三。多分析师不是冗余，是刚需，这句帖子说对了。【判断】
下一根钉子：那 1 条「待查」的鼻腔对非鼻腔黑色素瘤（交互 p=0.46）——等统计专家复核完，把结论回贴到这里。