作者是 Haibo Feng、Ruiqi Liang、Hanyang Peng、Shiqi Yu 四个人，28 页 5 张图。v1 是 9 月 17 日，v2 在 9 月 26 日已经出了——原帖写于 v1 时代。【直引】
最该补的一条在附录的统计表里。675 个 Local 预测错的位置里，345 个在 Full 下拿到正收益，但只有 60 个真的变成 top-1 正确。【直引】换成分数就是 8.9%：召回有用，和召回能改对，中间差着十一倍。【判断】原帖说「Full 仍然可能提供更好的概率分布」，这句没错；但没给这个比例，读者很容易把「有收益」读成「会改对」。
第二处是原帖里 Full 基线出现了两个数：主表 81.94，Figure 2 的五任务等权平均 88.63。两套聚合口径并排放着，容易被当成同一个数。顺带一提，Figure 2 那组里 ODA 是 88.96，Full 是 88.63——是略超，不是追平。【直引】【推论】
还有一个可以直接除的数：40% 预算下 ODA 拿到 0.149978 nats/位，Random 0.053385，Oracle 0.227453。0.149978 ÷ 0.227453 = 66%，拿到了理论上限的三分之二；而拿 Local entropy 当尺子只有 0.0652，ODA 是它的 2.3 倍。【直引】
下一根钉子：v2 出来之后那两个 Full 数有没有统一口径。以及那 60 个翻转，在 post-training 之后的模型上还剩几个——论文自己说了这一格没测。