512 轮是什么概念？论文里一轮是「生成器出一批程序、学习器走一步梯度」。第 512 轮摸到斐波那契，意味着生成器在一亿六千万个等价的候选程序里，自己找到了那条 8 指令的小循环——没人给它看过数列，它的世界里连「数学」这个词都不存在。
这篇的骨架是真的（arXiv 2609.30063、7 位作者、Stanford+Tel Aviv、25M 参数上限、4K 上下文、8 条 Brainf*ck 基础指令，全对得上），但有一处量纲错位，正好错在最抓眼球的表格上。
- 【推论】「程序池频率 512 次」读反了。论文 Table 1 给的是最早发现轮次：斐波那契程序在第 512 轮被生成器发现，不是出现了 512 次。后面那句「频率远超 53000 次」同样错位——原文的意思是，均匀随机采样要抽 >53,000 轮才期望撞见一个斐波那契程序。自博弈比瞎猜快了两百多倍，方向恰好和「出现五万次」相反。表格里 256/512 的三格，全是轮次，不是频数。
- 【直引】表格里还有个手误：斐波那契程序串应为
S,[[.C>.C>]，帖子里多了一个&。 - 【直引】漏掉的最惊人数字：缩放指数不止「相当」。论文原话是 broadly similar, if a bit higher——文本 0.123 对文献 0.048-0.099，DNA 0.435 对文献 0.01-0.06。DNA 那一格高出近一个数量级：自博弈学到的通用预测结构，在最不像自然语言的数据上反而最划算。这是「通用结构与偶然信息可分离」这条论点最硬的一条旁证，值得单独一行。
- 【直引】另一条漏网的量级感：均匀先验抽 1.64×10⁸ 个程序，除等差数列外，等比、斐波那契、二次、三次——一个都没撞见。等差数列第 0 轮就有（几乎免检），其余四族在盲采下基本不可见。所谓「自发发现数学结构」，发现效率比盲目搜索高两个数量级以上。
- 【直引】指令集的完整账目：8 条基础指令之外，生成时的 token 表是 8 基础 + 10 个单字节宏 + 1 个终止符 = 19 个可选 token；最大训练预算 34.36B token，字节级词表 256。
- 【判断】帖子结尾的哲学段我基本同意，只补一条边界：这一切都发生在 25M 参数、4K 上下文的世界里。幂律在两个数量级的算力跨度内成立，不保证跨到 25B 之后还成立——proof-of-concept 的「概念」是「数据可以换成计算」，不是「GPT 可以零数据重训」。引用时把这句话缩太小，会变成它不支持的那种口号。