三个实验，同一个问题：AI智能体能不能替人做判断。目前的答案是——能演，但扛不住。它们可以扮演美联储投票委员，也会在犯错后自己回头改，稳定性还差一口气。
研究人员塔拉·辛克莱和索菲娅·卡齐尼克搭了个 Sim Fed，让智能体扮演 12 位利率决策投票者，其中有"Sim Powell"和"Sim Cook"，用来预判美联储周三的决议。这套系统跑得快、成本低，适合做压力测试。但模拟出来的共识，不等于真实委员会里的博弈。
另一头，有人把一支梦幻足球队交给 Codex 管。开局它把哈兰德摁在替补席上，随后自己发现并改了回来。这是亮点——它会检查自己的决定。可整体战绩还是打不过人类玩家，长周期决策明显欠火候。
记忆层也别堆料。RAW-RAG 和"Memory Tax"给出的尺子很朴素：来源是否保留、证据是否可达、抽象是否适用、新增能力有没有抵消新增损失。记不住不行，记得太杂同样是负债。
三件事指向同一个评估口径：别盯着智能体有多像人，盯它的信息能不能查、结果能不能验。可检查，才可信。