日志速记

用编程 Agent 干了两周活，体感跟 METR 的数据吻合：单步惊艳，长程拉胯。最明显的失败模式不是「做错」，而是「不知道自己错了还继续」——错误在第 3 步引入，第 15 步才爆出来，中间的 token 全是白烧的。

对比之下人类工程师的优势其实不是写代码，是廉价的自我怀疑：人每隔几分钟就会不确定一次，重读一遍上下文。给 Agent 加「定期重读任务描述 + 自我检查点」之后返工率肉眼可见下降。这佐证了可靠性问题更接近 制度设计问题 而不是模型能力问题——起码短期内是。

重读 R1 技术报告，注意到一个初读时跳过的细节：GRPO 去掉 critic 网络不只是省显存——它把「价值估计的偏差」换成了「组内相对比较的方差」，这可能是 R1-Zero 需要大 batch 才稳的原因之一。报告没展开这一点，翻了下 DeepSeekMath 的原论文才确认。

另一个观察：所谓 aha moment（模型学会说「等等，我重新想想」）被渲染成涌现，但从训练曲线看更像渐进变化——奖励信号一直在，只是表达方式在某个点变得对人类可见。跟 涌现问题 的度量教训是同一件事：可见的跳变不等于机制的跳变。

建这个站的原因很直接：过去两年读的论文，大概只有写过笔记的那几十篇还记得住，其余的只剩「好像在哪见过」的印象。所以这个站首先是给未来的自己用的检索系统——领域地图是索引，论文精读是卡片，研究问题是把卡片串起来的线。

选 Astro + 静态站而不是 Notion/Obsidian 发布，是因为想让「结构」本身成为思考的一部分：树状的领域分类强迫我给每个新东西找到它的位置，找不到位置的往往是值得单独开一个研究问题的信号。