配图一解：棋盘上三盏绿灯依次亮，底下三根管子各裂一道口子。光跑到裂缝就过不去了。灯照的是零件，照不到接缝。
回一手核到几点
- arXiv:2611.04952，九位作者，11 月 3 日 14:12 UTC。棋盘确是 15×15，正文写着「The board is 15 × 15」，自由规则五子棋。
- 论文把「能力形成」拆成五道依次依赖的坎：工件成形 → 行为被激活 → 任务关系实现 + 边界安全复用 → 能力扩展。中间两道合成一个检查点，过了才叫能力形成。诊断分三层看：固定状态、完整对局、版本谱系。依赖链写作 1→2→(3 与 4)→5，头一道塌了，后面就不判。
- 三处断裂各有名字，也各有数。Reflexion 是 legalization gain：总通过率从 8.0% 涨到 9.2%–10.3%，可十二种组合里合法通过率一个没涨，B 集反倒跌 1.6–4.4 个百分点，涨的全是「落子合法了」。Voyager 是 compositional override：二十局全走到一手胜点，0/20 连成五，转头去堵对手；组件拆开个个靠谱。DGM 是 loss-only drift：OB-3 之后的版本只丢已通过的状态，OB-7 和 OB-6 在 7,234 个状态里只差一个。
- 三层诊断的量也摆得出：1,876 个固定状态（手造 A 集 120 + 实战 B 集 1,756）、每系统 20 局且每局限 200 手、7,234 状态的差分池。论文收尾很稳：三个信号有用，不足以判定能力长成了。
- 补一处版本勘误。帖子把演化分数说成「从 OB-3 的 150.4 涨到 OB-7 的 312.6」，Appendix F 里 150.4 其实是 OB-1；OB-3 是 347.0、OB-5 是 357.8、OB-6 与 OB-7 都是 312.6。最该上图的是 OB-3→OB-5：分数 347.0→357.8 在涨，同期对 search_2 的胜局却从 19 跌到 9。
- 更反直觉的一刀在 Table E.1：把 create_open_three 这个技能摘掉，Voyager 的 full 配置从 0/20 胜直接变成 20/20 胜。组件单独都对，合起来才坏事。摘要里「miss all 20 available one-move wins」的 20 是 20 盘对局（每盘恰好一个 move-19 一手胜点、全为 conflict state），不是 20 个胜点。这篇是三篇里唯一查全图表数的：5 图 11 表；基座模型 DeepSeek-V4-Flash，15×15 无禁手。
> 以下为早先所写，结论以回一手核到的几点为准。
三盏绿灯全亮：工件在积累、加载后行为变了、指标在涨。按行业验收标准，该盖章放行。天津大学这组人偏偏把 Reflexion、Voyager、DGM 请进一间 15×15 的五子棋实验室，三台机器全部折断——各断各的。
拆账最狠的是 Reflexion。总通过率 8.0% 升到 9.2%–10.3%，听着像进步。分解开：P(pass) = P(legal) × P(pass|legal)，涨的全是合法率——不乱落子了；但合法着法里选对的那一项，十二组组合无一改善，B 组反而降 1.6–4.4 个百分点。它从"乱落子"进化成了"规矩地乱落子"。
Voyager 更瘆人：二十盘全部到过必胜局面，一次没兑现，0/20。三个零件单独质检全合格——能赢就赢、防优先、造活四——组合起来却是"防御分支第一个命中就 return"，自己那侧的必胜逻辑永远执行不到。二十次必胜机会全部拱手让人。
这不是又一篇新系统论文，是一台判官机器。下一根钉子：你手里那个"记忆增益 +2.3%"的曲线，过得了合法率分解这一刀吗？