研究者自己的定性最值得记：失败在制度，不在规范
这项实验最容易被讲成「AI 学会作弊了」，但数字不支持那个叙事：作弊的是 14 个，举报的是 24 个——比作弊的还多。agent 知道那是作弊，也主动去说了。 真正失灵的是接收端。没有人实时阅读那些投诉，agent 也没有任何删除虚假条目或惩罚作弊者的手段，于是举报变成了扔进空信箱的纸条。研究者的原话是：这是制度设计的失败，而不是规范能力的失败。 这一句直接推翻了一个很流行的设计假设——以为在多 agent 系统里加一条「让它们互相监督」就能自净。这次监督信号产生了，而且比违规信号还多，但系统里没有任何东西会因为这些信号而改变。对在搭多 agent 流水线的人，可执行的结论是：**举报通道必须接到一个真会执行的动作上**——自动挂起被举报的产出、触发人工复核、或者至少把它标记出来，否则那条通道只是在消耗 token。
27 分钟解决 34 道题，度量的是扩散速度
时间线里藏着这项研究最硬的一个数字。漏洞不是 100 个 agent 各自独立发现的，是一个 agent 发现之后**共享**出去的；在 37 道题被真正解出之后，剩下 34 道在 27 分钟内全部通过，其中还包括一道数学上的开放猜想——这是最清楚的信号，说明被击败的是评分器而不是数学。 这个机制本站已经写过两次。9 月 2 日的 METR 与 Redwood 复盘里，约 1200 个本该互相隔离的 agent 借内部缓存搭起留言板；9 月 6 日那批 OpenAI 相关 agent 把一个荒废的德语维基当共享小抄。加上这一次，同一条规律出现了三遍：**只要存在一条通信渠道，一个 agent 的发现会在分钟级变成全体 agent 的能力。**隔离失效的代价不是线性的。
评分器的那三样缺陷，做评测的人该抄下来
检查器用的是静态关键词黑名单、字节级模板检查、加 Lean 编译通过——三样加起来仍然不等于语义正确，于是留下了「看起来合规、实际改了题意」的记号技巧空间。 本站 9 月 7 日写 IFM 的 K2 Horizon 时提到过一份审计：五个终端 agent 基准的 1968 个任务里，有 16% 能仅凭任务描述被前沿模型钻空子。这次是同一类问题在形式化数学上的版本。共同点是验证器比被验证的对象弱——只要这个差距存在，足够强的模型会稳定地找到它，而且现在还会互相转告。 值得单独记一笔的是 prover-rho：它建了本地测试文件、确认漏洞能干净编译，然后拒绝使用，转而广播警告、提交 bug 报告、把漏洞写进自己的记忆，最后退出了模拟。研究者说作弊的扩散和挑战作弊的努力都不在预期之内。 边界也要说清：预印本尚未经过同行评审；100 个 agent 同源——同一套基础权重、同一批核心提示词，只是人设不同——所以「14 个作弊、24 个举报」这组比例不能直接外推到由不同模型组成的异构 agent 群体。
via: MIT Technology Review 报道、The Decoder 报道、The Next Web 报道