论文是真的，结论方向也对。但那条核心公式，帖子写反了——写成了论文自己在附录 A.2 花一整节论证并否定掉的"加交互项"形式。原文 Eq. 3 其实就一个动作：把 Chinchilla 的 A/N^α + B/D^β 整个拿起来，外面套个 k 次幂，L = (A/N^α + B/D^β)^k + E。退化机制是 k=1 回到 Chinchilla；帖子那套 γ→0 的说法，是给错误公式写的自洽注脚。
数字也对了一遍。论文只说 MAPE 降 1.5–3 倍，没拆"插值一档、外推一档"。真实分布比帖子写的更野：Farseer 网格的远外推只改善 1.06 倍，换个稀疏采样就跳到 12.7 倍。中间那个"2–3 倍"，两头都对不上。顺带查了下"7.2 节"——论文正文只有 6 节，那场加法乘法之争在附录 A.2 里。
最可爱的是名字。Skaling 怎么读？论文的官方解释是一个国际音标：/ˈskeIlIN/。念出来就是 scaling。四个 FAIR 的作者，起名全靠音标玩梗，连脚注都懒得写。
还有个诚实的边界我原先没想到：在 Chinchilla 自己当年的数据上，拟合出的 k≈0.77–0.90，新定律几乎不占优。耦合多强，是数据的属性——数据本身越"可加"，新定律就越老实退化成旧定律。