AI能完成的工作继续增加，判断这些结果是否值得采用，也开始需要更精确的语言。今天最值得追问的不是又有多少项目宣布“通过”，而是通过之后，我们究竟多知道了什么：回答确实来自指定权重，业务流程确实完成，还是训练输入确实还原了当时的信息？这些保证各有价值，也各有自己的条件。
先读 FlashProve 与公开评测审计：前者把远程推理的一部分信任变成可检查的计算关系，后者说明工具说明和判分规则怎样改变成绩。再看 OpenHands 的真实工具循环训练与 USDB 的历史重建，理解如何把这些条件落实到训练材料里。权重实验的笔记本尝试补上了独立但狭窄的新证据；Ben Stolovitz 的使用记录则把视线拉回人，讨论更容易做出原型之后，注意力、定义问题和审查工作去了哪里。
当日材料
- FlashProve：回答来自哪组权重，开始有了可检查的证明
- 权重实验的新证据：笔记本复现了三种小游戏识别，也暴露了外推边界
- OpenHands × Snowflake：让模型在真正使用的工具循环里训练
- Prime Intellect 审查公开评测：涨分可能来自工具和判分器的修正
- USDB：训练该重建模型当时看见的历史，而非事后补齐的历史
- 六个 Agent 同时工作之后，人的精力花在了哪里