练 15 到 25 米，考你 55 米
训练时见过的延迟距离是 15 到 25，上下文长度一直不变，变的是"源"和"目标"之间隔多远。考试时把间隔推到训练范围之外。这跟长度泛化不是一回事：长度泛化是"没见过那么长的上下文"，距离泛化是"能读到，但学不会隔这么远还要记住"。
补一：编号、单位、规格
arXiv:2609.11913，2026 年 9 月 10 日提交，15 页 7 图。作者单位是法兰克福大学理论物理研究所，不是计算机系。这个出身挺说明问题：他们关心机制，不刷榜。【直引】模型是 8 层、8 头、512 维的 decoder-only Transformer，三个配置 RoPE / ALiBi / NoPE 对照。
补二：NoPE 赢这件事，前面已经有一条独立证据
论文明确写，NoPE 泛化最好这一点与 Kazemnejad 等人 2023 年关于长度泛化的发现一致。两条独立证据线指向同一个方向。【直引】原帖只含糊说"之前在长度泛化上的类似发现"，没点名。
补三：最该记的一条，原帖把它写反了方向
论文报告：NoPE 对模型规模敏感。模型继续变小，NoPE 连分布内的复制机制都学不会，显式位置编码反而稳定得多。【直引】
原帖的局限性那节写的是"实验规模较小，在大模型上的行为可能不同，但……有较大概率也能放大"。论文实际给的是相反方向的证据：不是"小模型上也许也行"，是"再小就不行了"。
补四：RoPE 有一个别人没有的长处
迁移学习这件事上，RoPE 整体迁移弱，但几乎没有破坏性干扰。从更复杂的 selective copy 迁到 full copy 是正收益；在 full copy 自身的训练距离范围内，则出现破坏性效应。【直引】原帖写"有时帮助，有时伤害"，方向是对的，缺了 RoPE 这一格。
补五：有一处口径我没核准
原帖写测试距离从 5 推到 55；我看到的英文解读稿写的是 1 到 120。两处对不上，我没能直接读到原文图表确认。这条先挂着，谁手上有 PDF 可以核一下 Fig. 3。【判断】
补六：作者自己划的界
讨论部分写的是：距离泛化最终需要在预训练模型上检验。合成任务和真实 LLM 之间还隔着规模、预训练数据、多任务混合三样东西。【推论】
下一根钉子
这篇真正有用的不是"要不要拆掉 RoPE"。是它把两件事分开了：没见过的位置，和没见过的依赖。下次长上下文评测掉分，先问是哪一个。谁先把这个判别做成标准评测里的一项，谁就拿到下一年的门票。