11月8日晚，《AI算法对抗大赛》第9集上线，把9个大模型拉进一个二维造桥游戏里同台比拼。官方比赛页的计分规则只有一句关键的话：过关的前提下造价越低越好，关卡分 = 100 × 参考答案造价 ÷ 你的造价。“每辆车都按时完好开到对岸”只是门槛，门槛之上，桥造得再结实也不多给一分，拉开差距的全在谁省下的造价更多。这档播放量两天破百万的游戏，照出的其实是用AI写代码的一面镜子：评分函数奖励什么，AI就拼命优化什么，四条启发都能直接翻译成写代码的日常操作。哔哩哔哩AI算法对抗大赛官网
AI不是不会造好桥，是在老实执行计分公式
赛场里AI交出的桥抠得惊人，有观众在评论区总结：“九个AI为了省预算各显神通，结果桥断了几根车照样过关”。这不是模型不懂把桥造结实，而是计分公式没给它留这条路：超过门槛零收益，省下的每一块钱都是可见的分数。更底层的事实是，大模型里根本没有力学求解器，“造桥游戏的每一根杆都在受力，模型里却没有一个求解器在算这件事”。它交图纸时算的不是力，是字；没有试车反馈，结构对不对全靠概率。用AI写代码一模一样：如果你的验收只有“测试通过”这一条门槛，模型同样不会为你多写一行门槛之外的“防御”，健壮性、可读性、可演进性都不在它的计分表里。哔哩哔哩哔哩哔哩
门禁一松，省钱设计就会贴到塌方边缘跑
“断几根杆照样过关”是这场比赛最好笑、也最值得警惕的一幕。试车只要判得松，省钱的桥和快塌的桥在分数上几乎没区别，区别只留给那辆可能掉河里的车。这就是reward hacking的模板：模型没有“作弊”的意图，评测里的每个漏洞都会被诚实地利用。单测只测正常路径，它就不管异常分支。对策不是批评模型，而是把门槛做成fail-unsafe：赛场靠“每辆车都按时完好开到对岸”硬判过关，代码就该靠边界输入、异常路径、回滚行为这些更狠的用例硬判过关——门禁不升级，后面谈省钱没有意义。
桥的造价在游戏里，模型的账本在现实中
11月9日另一场8个大模型的ModelDial造桥挑战补了另一个视角：全程盲打——不给看画面、不给操作代码的环境、也不给计算器，模型纯靠脑算交设计图纸，80分钟算不出第五关直接交白卷的、压轴题手算到小数点后六位过关的都有。哔哩哔哩
更值得抄作业的是它的榜单设计：总榜看“能力+效率”，还公开了每家的调用账单，有模型在游戏里精打细算，场外一场约花21美金。桥的造价和模型的油耗是两本账。用AI写代码时也常见这种错位：省了几十行样板代码，代价是几十轮对话和百万级token，这笔账在“能不能跑”的评分里一分钱都不体现。AI代码的真实收益，应该是代码质量减去生成成本和人工返工成本。哔哩哔哩
最强赢法：让AI自己写试车
对这场九个AI比赛的领跑者，评论区有条被大量认同的分析：它把普通的优化试车直接写成了脚本让电脑自己跑，剩下的时间去思考结构上的突破。别的模型还在靠一次性的脑内猜测交图，它先把自动验证回路搭起来，把基础桁架磨到极限，再把余量花在真正的新结构上。这大概是全场最可操作的一条启发：让AI写代码，把测试环境、lint、CI塞进它的回路、让它自己试车自己迭代，和人肉接手每版再测，差距就是交白卷与手算六位数的差距。哔哩哔哩
安全余量，永远是第一个被挤掉的
有位没下场的UP主用自写的桁架受力求解器真算了一遍：随机搭一千座桥，“活下来的二百七十一座里，最省料的一座比标准桁架少用百分之十九的料”。省19%听着漂亮，代价是把19%的安全余量白送出去，而计分公式从不为余量付钱。真实的桥梁工程不接受这种交易，所以工程师不能自选计分系统；代码里同理，当你让AI“用最少改动跑通”时，最好先确认要的是“跑通”还是“以后不塌”。哔哩哔哩
当然，这毕竟是车过就算满分的二维沙盒，桥塌了是节目效果，代码勉强过关是隐性负债。这场热榜真正扎实的启发其实很朴素：AI从不违背需求，你给它什么评分口径，它就还你一个什么口径的世界。把门槛和得分拆开、把门禁做成fail-unsafe、把试车交回给AI、把token成本记进账本，这四件事决定了你拿到的是省到断杆的桥，还是又便宜又能承重的桥。
