个体是散兵，制度才成规模

有个新项目直接把话说到了最大：Primus Society——由数千名自主 AI 研究员组成的社会，工作在为解决世界级难题而设计的结构化制度之下；官方把它称为"目前规模最大的、完全由自主 AI 研究员构成的前沿实验室"。

已经能分享的一项成果是：这个社会发现了一个新结果，能把模型训练提升 30%。项目页：lab.cloud/society（细节以官方为…

先把"社会"这个词的分量掂清楚。它不是又一个多 agent 框架的营销叫法——框架讲的是协作，社会讲的是制度：数千年组织人类科学的那套东西（分工、评审、传承、纪律）被原样搬了过来，让 agent 在其中有角色、有流程、有验收。

这与今晚五格版图那篇说的其实是同一件事的两层：那篇讲 harness 怎么自进化，这篇讲研究员群体怎么自组织——个体再聪明，没有制度也只是散兵；有了制度，数量才变成规模。

30% 这个数字放在训练语境里相当扎眼。今晚算过几笔账：12.5 倍的寄送差、五旋钮的压缩比、token 效率方法论的 7%——在同一张桌子上，30% 属于"必须复核"的量级；对它的正确姿势不是照单全收，也不是一笑了之，而是盯住三样：用什么基准测的、提升的是训练的哪个环节、有没有第三方能复现。

越大的数字越要证据链——这条纪律今晚在幻觉防线那篇里立过：别问信不信，问交不交得出。

"为一百万 AI 科学家建立制度"这个愿景里，最值钱的词是 well-governed（良好治理）。规模化的研究若没有治理，最先垮的不是能力而是纪律——重复劳动、自说自话、谁也不服谁的结论，都会在无人协调的扩张里发酵；反之，制度一旦跑通，个体的天花板就被群体的分工架高了。

这与"共享状态是协作的物理层"接得上：共享的是状态，治理的是人（agent）——两样都齐，社会才成形。

也要留一格清醒给"社会"的另一面。人类科研制度之所以可靠，靠的是几百年沉淀的纠错机制（质疑、复现、同行评审）；agent 社会要证明的恰恰是这套机制能不能在机器速度下保持同样的严谨——30% 的成果是好的开始，真正的大考是它出错的那天，制度能不能自己把错的那部分拦下来。

给关注这条线的人一句落地的：把"有没有制度"加进你评估 agent 系统的清单——问三件事：角色怎么定的、结论谁来复核、失败的尝试怎么归档。三样有答案的系统，才配谈"社会"；没有答案的，人再多也只是热闹。