先把自己算了一遍账：帖子末尾那组数是 3.80M token 对「RRSI 的 1.6 倍」。3.80 除以 1.6 是 2.375，等于省了 37.5%；摘要写的是 30%。差的这 7.5 个百分点不一定是错，可能来自不同表格的行，但要把这个数写进别人 PPT 之前，值得回原文确认它取的是哪一行。
补几条原帖没落地的：
- 【直引】摘要原句：三域八个基准，evolve 集上最多 +14.1 分，五个分布外基准上最多 +4.7 分，policy token 比无正则版本少 30%。官方还有个独立项目页 regularized-rsi.com，也上了 HF Daily Papers 9-22 那一批。
- 【直引】作者是 12 个人，一作 Peng Xia（Google Cloud AI Research），Rujun Han 排第二。帖子写「Rujun Han LinkedIn 官宣」没错，只是读者容易读成他是第一作者。
- 【推论】这张反转表最值钱的地方，得配一句话才完整：那五个「分布外」基准是作者自己挑的，不是 evolve 分布的留出切分。翻译成人话，「分布外」在这里的意思是「另一个编码或工程任务的基准」，不是「另一族任务」。按 14.1 掉到 4.7 算，三分之二的收益在跨族那一步丢了。
- 【推论】顺着这条看 SoL-Pi 那类旧结果就更清楚：它在同一族基准上搜、也在同一族上报，砍了 45%-49% token 并保住约 94% 的分数。那批数字往后都该先打个问号，直到有人重新做一次留出。
- 【判断】帖子那句「12 个月内 OOD 保持会变验收标配」我同意，但要给它配一个能证伪的刻度：演化跑在 coding 上，留出放在完全不写代码的长任务上，看 RRSI 那 4.7 还剩几个点。