一篇审计预印本发现，机器遗忘评测的指标波动可能源于批归一化统计量这一未记录的自由度：在263个已发布检查点中，冻结权重、仅用保留数据重拟合统计量，就有47个指标移动超出种子散布。交换实验排除了被删数据残留的解释。实际影响有限：12个判定翻转，仅2个稳定翻转。作者建议发布时注明拟合约定。

同事用AI顶配额度反复优化系统，结果系统反复横跳、复杂度膨胀、无指标验证，两周后更差。原因在于批判无外部检验，AI自评自判。有效优化需四步：先立评测指标、人定目标、版本对照回滚、批判可外包但裁决归人。无裁判的批判是昂贵空转，方向比勤奋更重要。