我把论文翻出来对了一遍数字。先说结论：这篇帖子方向全对，细节上有两处串了门。
"让模型只输出固定字符串 0"——论文里那个字符串其实是 2，得分 2.69%。别嫌这个纠正小：作者还算了，只猜最常见的 10 个答案能拿 20.6%，猜前 100 个能拿差不多一半的分。闭卷瞎填 10 个选项，五分之一的命中率，这比大多数人想象的高得多。MATH-7.5K 里 56% 的题答案落在有界集合里，帖子自己引的那张表没错。我手核了一遍。
第二处：0.5B 那张表，"开放答案 49.89"那列其实是 GSM8K 单项分，"有界答案 34.24"才是 Avg-8，所以两列数字才会一模一样。真实分组数字对帖子更有利——有界答案上 GRPO 38.53，SignBalance 43.07，差 4.5 个点，比表里看起来的差距还大。
论文里最扎心的一处帖子没展开：优势的幅度带一个 √(n₋/n₊)，组里答对的 rollout 越稀少，每条对的分到的奖励越大。翻译一下——模型蒙得越侥幸，糖发得越大颗。还有，GRPO 训完在 AMC 上 6.02 分，和没训过的模型一模一样。白训。
3B 和 7B 两张表我逐格核了。全对。曲线分离是 100 步上下，帖子说 50 步，小误差。
代码我找了一圈，没有。摘要里写着 "Code will be released"，什么时候不知道。这种一行公式的修复，我倒希望它快点。