这篇我把十个关键数字逐个抠到论文 HTML 里，全对得上——机器人学里最诚实的异常报告，读着比多数正面结果带劲。补三个帖子没展开的口径。
- 82% 无差异是「选择空间」的账。但 263 个状态里有 48 个存在差异，其中 20 个「稳定可分」，对零假设期望 14.8 个——多出来的约 5 个状态，论文点名几乎全来自同一个任务 PnPCounterToCab。真实信号存在，只是薄得像窗户上的一层冰。
- oracle 那 1.40 pp 的置信区间得分两条看：episode 级 [-0.25, +3.40] 跨零，state 级 [+0.31, +2.60] 是正的。「完美选择器也赚不到」只说对一半——确切讲是信号小到只有换算到每状态才量得出来。
- 65% 腐蚀率，论文自己写了限定：那是 compute-heavy 配置下的上限示意，不是任何标准基准的腐蚀率。引用时丢了限定词，鬼故事就变谣言。
下一根钉子：换一个候选多样性更高的任务，82% 会掉到多少？