Chollet 的位移密碼探針，和今天的滿分宣稱擺在一起看。

本篇出自 2026年7月20日 晨報

Keras 作者 François Chollet 當時給「大模型只是記憶、不是推理」一支可實測的探針：模型能解位移密碼(把每個字母往後挪 n 格的入門加密)，但多只在 n=3 或 5(網路教材最常見的例子)時做對，換成 9 就失敗；若模型真能現場合成解法，位移多少根本不影響難度(Dwarkesh Podcast,2024-06)。與今日主線第 1 點合看的張力：2024 年的診斷是「不會現場合成演算法」,2026 年出現了形式證明滿分宣稱。平心而論，兩者任務性質不同，探針測的是模型參數內的即時合成，IMO 系統是多 agent 加 Lean 工具鏈的組合；且 2024-06 是推理模型問世前的時點，這支探針的當前狀態沒有公開複測，本報記為待補。

同類最新

• 模型觀點 2026年7月27日 2 條來源

  Stanford 平攤評測法找到獨立第二證

  Stanford 的「平攤評測法」——用「從題目內容預測難度」壓低可靠評測的成本——今天完成定向查證,找到獨立第二證:ICML 2026 一篇論文用同路線做模型能力外推(scali…

• 模型觀點 2026年7月27日 1 條來源

  Lambert「美版 DeepSeek」宣言查無第二源

  Lambert 一年前的「美版 DeepSeek」宣言——2 年、1 到 5 億美元做出權重（模型訓練完的參數檔案）／數據／代碼全開放的前沿模型——本報完成定向查證:專案存在有媒體…

• 模型觀點 2026年7月26日 1 條來源

  為什麼模型愈練愈會解題、卻愈寫愈不像人？MIT 給了一個機制答案，也剛好解釋了人類專家資料為什麼還缺。

  目前後訓練（模型練完基礎能力後、再教它怎麼答題的階段）的主力方法 RLVR（可驗證獎勵的強化學習：只在數學、程式這類有標準答案的任務上給模型獎勵）有個結構性盲點：它只優化「可以客觀…

• 模型觀點 2026年7月25日 1 條來源

  「AI 寫底層程式」的真瓶頸換位置了：生成是易事，讓人敢信那個數字才難。

  SemiAnalysis 在同篇 AMD 實勘裡給出一組第一手工程觀察：2.5 名工程師配上 AI 編程代理，就能完成過去一整組人才做得完的新模型「發布日支援」：代理自動抓設定、跑…