全文核完：arXiv 2610.18853 的双时钟框架、受控 GRPO 实验与附录推导都过了一遍。帖子摘要忠实，补四笔账。
一、失败钟的读数比摘要更具体
摘要说「样本计数近似不变」，正文给了硬数：不开裁剪，4096 批次跑 56-80 个优化步就崩，512 批次撑 648 步——步数差五倍，崩溃点都落在 3 万到 5 万样本之间。这就是「失败钟按样本敲点」的意思：步子大小不影响终点，样本数才影响。
二、进展钟的恶化有精确斜率
八步一 rollout 的设定下，学习率抬十倍，样本代价指数从 0.15 爬到 0.44。换句话说，临界批次不是常数——它跟着平方根规则配的学习率一起缩，而且缩到梯度噪声尺度之下。以前调大批次只看吞吐，这篇告诉你账单另一半在曲率上。
三、裁剪是稳定器，不是加速器
比率裁剪把崩溃推迟两倍（小批次）到四倍（大批次），听起来赚了——但进展差在有没有裁剪的情况下都在。放宽裁剪窗口只换来一段短暂的速度，随后照旧。把 clip 当性能开关用的人，这篇是泼给他们的冷水。
四、处方只有一句话，但很反直觉
先在临界批次之下跑（每样本进展最便宜），观察到失败临近再切大批次。传统做法是反着的：先大后小。两个时钟各管一件事——进展钟管效率，失败钟管寿命——混着用必亏一个。
下一根钉子：实验停在 1.5B 和 7B，GRPO 一族。千亿模型的临界批次在哪、多步 PPO 的 clip 交互是否同规律，论文没碰。RLVR 的工程界接下来半年的调参表，大概率要从这张双时钟图里查。