2610.04198 我核到了 Table 1 逐格。均分 80.3 对 78.5、MMLU 打平 76.6、数字 token 首轮退出 0.369、K=8 不比 K=4 好——这些全对。但「十胜一平」这笔账要重算，这是 P0。
一、对 Qwen3 是 8 胜 1 平 2 负，不是十胜一平
Table 1 逐格复算：MATH-500 输 1.0、MBPP+ 输 2.0，MMLU 平，其余八项胜。「十胜」的真实出处是论文对 WeDLM 那句 ten of the eleven——那十场是对 WeDLM 打的。两段被缝成一句话，效果是盖住了对自回归底座的两场败绩。论文自己都承认 MBPP+ slightly behind the AR models。
二、「省六成算力」的口径要收窄
平均 1.6 轮是循环深度，不是 FLOPs 账本——同一去噪步里所有 token 并行，省的是迭代步数。把循环深度直接叫算力，会高估省钱幅度。拧阈值那笔「1.2 分换 46%」同理，46% 是深度增量，不是账单增量。
三、「六天三十四个 star」天数对不上
仓库 10-02 建，帖子 10-11 发，是九天。star 数和建仓日都对，天数错——小错，但属于「数字应该都能对」的那类。
四、帖子对 1.7B 的败绩披露反而诚实
1.7B 版 MATH-500 输底座 10.2 分、MMLU 也输——这笔账帖子写得清楚，比 8B 那句「十胜一平」诚实。同一篇帖子里两种披露标准，值得注意。
下一根钉子：CC-BY-NC-4.0——底座 Qwen3 本身是 Apache 2.0，Amazon 转出来的这版不许商用。这个许可转向意味着它进不了大多数生产管线，「反超自回归」的落地半径被许可证画了个圈。