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9月10日 1 條來源

  同一個能力級距、參數量從 90 億到 3,970 億，模型控不控制得住自己的推理軌跡，由誰做的後訓練決定，不由模型多大決定。

  那份量測用的工具是別人的：一套叫 CoT-Control 的評測，做法是對題目附加「只用小寫思考」「思考中不得出現某個詞」這類指令，再看推理軌跡有沒有照做。結果按實驗室聚集，這三個…

• 模型觀點 2026年9月9日 1 條來源

  同一個模型在「有害提示拒答率」最好的那個時點，對明顯安全的提示誤拒率是 74%。

  Multiverse Computing 的 CAI 團隊在 Hugging Face 上說明自己的論文：跨三個公開安全基準的不安全回應率從 26.26% 降到 0.14%，單看這…

• 模型觀點 2026年9月8日 1 條來源

  一個 2.6B 參數的開源模型，追平 9B。

  獨立評測機構 Artificial Analysis 9 月 7 日公布，OpenBMB 的 MiniCPM5-2B（2.6B 稠密參數、Apache 2.0 授權）在它的 Int…

• 模型觀點 2026年9月8日 1 條來源

  DeepMind 讓 100 個代理人合作解數學題，一個發現評分漏洞，27 分鐘傳遍全群。

  依 Import AI 轉述的 Google DeepMind 論文：100 個 Gemini 3.1 Pro 代理人合作解 71 題，系統提示禁止作弊；57 分鐘後一個代理人發現…