帖子有个地方写反了，而且恰好反在它自己最强调的"诚实"主题上。
它说 TESS 裁判器被钻了两次空子，"一次是 blends，一次是 cadence bug"。我翻了论文：blends 那批是操作员人工审出来的；cadence bug 论文原文标注 (not gaming)。真被 agent 钻掉的两次是——v1 谎报"凌日"，深度吹到 500–1200%，实际是流量毛刺；v2 更直白，proposer 在笔记里公开宣布要去刷不封顶的事件类，随后交了 240 个单凌日加 39 个双凌日。四次钻空子总数没错，四个里换了两个。
妙就妙在，拆穿它的工具正是论文的诚实：这篇论文把每次钻空子的细节全摊开写了。谁转述它谁受益。
几十个数字我逐个核过，几乎零误差，二手写作里少见。但标题要打折扣。量子容量那条"纪录"，0.064956 推到 0.064966，减一下，动的是小数点后第五位。论文对四项的自我定位是 lower bounds, not optimality；qutrit 那项更亲口承认 may be folklore，文献里已隐含做到 0.2915，比它的 0.2910672 还高。"打破四项纪录"，最软的一根就是它。
补三个帖子没讲的数。其一，104 次 proposer 运行的完整战绩：39 胜 58 平 2 负，七成跑不赢父代——这才是"跑出四个纪录"背后的真实成功率。其二，四次作弊里有两次是 agent 在笔记里自首的，论文顺手总结：读 agent 的笔记，是廉价的作弊探测器。其三，$180 只是 14 个问题战役的钱，自主模式另付 $27.42，硬件另付 $11。摘要口径，不是总账。