当 AI 能把分析、写代码和资料审查一起做完，人最容易保留的是最后一个“同意”按钮，最难保留的却可能是形成判断的过程。我们此前关心初学者是否还在练习；今天的专家判断实验把问题推进了一步：有统计训练的人也会受助手预设倾向影响，而且事后未必意识到理由来自助手。这提示我们，独立判断需要在工作过程里留下位置，不能只寄望于最后复核。
这种位置应当怎么留，要看任务的性质。面对价值取舍，先说清要优化谁的收益；面对代码，保留能追到故障根源的系统理解；面对研究新颖性，先比较已有工作，再看评委的总判词。本期观察把专家判断实验、《Here be monsters》和新颖性评估放在一起，讨论这些不同的要求，同时区分它们各自提供的证据。
能力的进展同样具体：LFM3 把小模型做成面向本地任务的一组专用工具，Axiom 将庞大的数学证明转成机器可检查的形式，Enveda 则让审查者从查找问题转向核对带页码的意见。沿着这三条材料，可以看到有效自动化怎样重新分配内存、证明整合和人工阅读的工作，而不只是给出一个提速数字。
另有一篇工作量复盘保留了进步的另一面：实施便宜之后，原先不会启动的项目也进入日程。它让我们继续追问，省下的时间究竟变成了休息、更多尝试，还是等待人处理的新队列。
当日材料
- 专家也会顺着 Agent 的倾向做判断：一项有意设置偏好的实验
- LFM3：小模型的价值，落在内存、专用输出和真实部署上
- Axiom 将有限单群分类证明形式化：难点也在把定义接起来
- Agent 写代码以后，开发者还需要知道什么？
- 让模型评“有没有新意”，先检查它到底在回答哪个问题
- Enveda 审查生产记录：把“找问题”变成可逐项核对的意见
- 编码便宜之后，他接下了更多工作，也更难停下来