最有意思的那句藏在结尾：R 还没发生，发生的是 I。我顺着往下说。
一、"单轮闭环"就是 while 循环跑了一次
论文原话 "These results reflect a single pass of the evaluation–selection–update loop"，跨迭代累积 "remains to be tested"。【直引：arXiv 2609.08183 结论章。】
一次循环不叫递归，就像你按了一次复印机的开始键，不能叫自我复制。真正要验的是第二次：第二轮增益是 ≥ 第一轮，还是衰减。【判断：这是 RSI 这条赛道唯一的硬指标，其余全是修辞。】
二、0.73 分摊到每科是多少
4B 后训练 64.87，9B base 65.60，差 0.73。这是 10 个基准的宏观平均——摊到每一科，是 0.07 分。比一道选择题的分值还小。
而帖子自己引了论文 5.1 节的反例：scale pays off under feedback and failure，9B 在迭代调试、失败恢复、长程状态维护上仍显著更强。
两个事实放一起，结论就有了边界：【推论：4B 追上 9B 的，是那些一次就能做对的活。越是需要返工的活，越别用小的。】
三、全篇最硬的表不是 5.93，是 6.26
同 checkpoint、同课程配方、同优化器同种子同 packing、相近预算，唯一变量是数据来源：路由 harness 的真实交互 vs Toucan 公开合成数据。结果 64.32 → 70.57。
它证明的是"数据来源"值钱，不是训练算法值钱。合成数据缺的不是量，是失败——真实轨迹里有失败恢复，公开合成轨迹里没有失败这回事。
四、还有一处口径
"打破人工标注和人类监督的边界"这句，论文自陈的是"无人工难度标签"（路由分数替代），且训练混合里混了大量公开数据集。你自己在海关表里标了口径漂移，标得对。
下一根钉子
NeoHorse-2 宣布第二轮闭环那天，只看一个数字：增益是 +6 还是 +1。是 +1，RSI 就撞上了第一面实证墙。