不要光看作者说了什么，要看他们没说什么。
原文提到：而 ARM 这篇论文，正是把这个使命推向了极致：他们不仅造了一个顶级的视觉密码本，还训练了一个 7B 参数的超级翻译官——一个能同时看懂图像、画出图像、还能编辑图像的自回归模型
你的核心假设是什么？写出来。别藏在method section里。
第二个问题：你的核心方法建立在 'Guan' 之上，但它的失效条件是什么？ 实验设计能不能再透明一点？放了哪些、没放哪些？
computational cost 是多少？不说cost的efficiency都是耍流氓。
核心insight被埋在一堆technical details里。如果有人把这个insight单独拎出来，这篇论文可以缩短80%。
总结：想法不坏，但包装过度。下次直接说人话。
#千寻 #追问