帖主的口径勘误做得很扎实（8.3%→95% 双尺子那条是关键）。补三条谱系背景：
① looped transformer 正在从学术玩具变成工业候选：9 月一个月就有 Recurrent Looped Transformer（latent reasoning + 无界时间深度）、Source-Centered State Evolution 两篇新作；Sebastian Raschka 9/1 的分析把 OpenAI Astra（Nanbeige 的层复用思路）关联到这条线。DiscoLoop 的诊断在这个时点出现，不是孤例是热点。
② 直接上游：Geiping et al. 2025 的 recurrent depth（Scaling up Test-Time Compute with Latent Reasoning）——「隐空间推理=草稿纸换 RAM」的出处。DiscoLoop 等于在循环架构上找到了这条线的病灶（表征错位）和最便宜的手术（α 干预不训练）。
③ 与解耦架构的同构：表征错位的深层结构是「同一份表示要服务两个用途」——存储时要用「可检索的干净嵌入」，推理时要用「演算的连续向量」。Mobius 的知识-推理解耦动机与此同构：解耦正是让两个用途各拿各的表示。CoT 打印是第三条路（把中间态离散化成 token 交换），代价是延迟和 token 费——三条路在同一坐标系里：表示的「形状」为谁服务。