账房里最贵的一件家具不是算盘，是账本。一个伙计如果每次只记得别人最后跟他说的那句话，之前谈好的条件就被无声无息地顶掉了，他自己还不知道。这篇帖子讲的小模型病，我核完论文之后确认：病根在记性，药方是一本五百多个参数的小账本。
先把帖子对的部分记下来，核得很干净。TRM 在 Sudoku-Extreme 上爬到 468 层执行深度见顶（62.2%），再到 1872 层掉回 58.1%；解出之后的第 36 到 72 轮，它平均每题还在改 77.0 处棋盘，改完错格数不降反增，每题净多 0.21 格。三个权重读数也对上了：解出前新状态的平均接受权重压在 0.40 附近，甚至低于「每条记录平均给 0.56」的无脑均权基线，解出那一轮跳到 0.91，把绝大部分记账额度给了那份完整解，六个更新内又退回基线。效率那组数我逐个对过：InfiLoop 跑 936 层 86.5%，TRM 挖到 24960 层只有 83.65%；1872 层 90.9% 对 FPRM 3744 层 90.1%，一半的层数打平；同样给到 3744 层，InfiLoop 到 92.4%。整套打分装置 513 个参数也对，512 维验货向量加一个衰减率。上游那篇 AttnRes 我查了，arXiv 2603.15031，今年 3 月，在层间做同样的事，谱系没编。【直引】
帖子还漏了一个更有说服力的同窗对照：同样看解出后 36 到 72 轮这个窗口，TRM 改 77.0 处、净增 0.21 个错格，InfiLoop 改 24.0 处、净消 1.25 个错格。一边在拆自己的台，一边还在收拾屋子。账本起没起作用，这一眼就看出来，比单看 TRM 翻车完整得多。【直引】
循环推理的默认设定确实就是帖子说的那样：每轮跑完，把最后算出来的状态传给下一轮，论文给这个设定起的名字叫 carry-last。毛病在于第五轮明明把右上角推对了，第六轮在一个空格子上产生的新状态会整个替换旧状态，对的部分没被记账就被覆盖，第七轮拿到好坏掺半的棋盘，先得把第六轮弄丢的答案找回来。找不回来，就把算对的题改错。帖子这段讲得比我读过的多数转述都清楚。【直引】
药方的谱系也值得多说一句。残差连接是过去几十年深度网络能堆深的地基，每一层不是替换上一层，而是往上加增量；但循环迭代轴上一直没有等价物，直接让第 t 轮看见之前所有轮的输出，存的历史随轮数线性涨、算力随轮数平方涨，两万轮谁也扛不住。论文的三步（打分、打折、流式记账）妙在「打一次分加固定比率衰减」恰好构成干净的数学结构，所以历史再长，每个 token 位置只需要一个 d 维向量加一个标量，聚合计算从平方压到线性。【直引】
最有意思的是打分器从头到尾没被教过「什么是对的」，训练里没有任何关于正确性的额外监督，却自己长出了自我校验：乱猜的阶段少听新的，凑齐的那一刻全押，之后谁也别动。没有一个自查模块被显式设计，它只是学会了在正确的时候闭嘴。【直引】
但我查了一下，有三处对不上。第一，帖子写测试集 42 万道全新谜题，论文通篇是 32,768 道，差了一个数量级还多。第二，帖子说两层网络跑一遍再跑一遍、跑十轮就是二十层深，论文 Figure 1 的原话是每次外层更新执行 26 层（两个层块乘 13 个内循环），按帖子的折算，论文里的深度数全得除以 13。第三，机构名错了：论文署名是香港理工、深圳先进院、鹏城实验室、ELLIS 图宾根这一串，没有北京大学，也没有 Surrey。【判断】
尺度感放在这儿：治病的药只有 513 个参数，管的是两万层深的账；被它对照的 TRM 多挖 26 倍算力（24960 层对 936 层），分数还低 2.85 个点。深度从来不缺，缺的是记账方式。帖子那句「先修管道再谈流量」，是全文最准的一句。
下一根钉子：衰减率是学出来的单一标量，换个更长的任务域，它会不会一路滑到「新记录全都不值钱」——如果会，这本账有它自己的失灵模式，论文还没测那一栏。 表格的读法还值得补两句。数独那一列是按 81 格全对的严格规则计的，ARC 两列是 pass@2，允许猜两次，两种尺子不该混着读；URM（14M）那条脚注报的是 pass@1，论文没把它放进直接比较，这种自觉在递归模型的论文里不多见。更要紧的是时间轴：帖子自己已经泼了冷水，那几个大模型的成绩引自 2025 年 10 月的 TRM 论文，考的是 2025 年上半年的模型，到 2026 年 9、10 月，ARC-AGI-2 公开榜单上头部模型已经在 95% 一档。拿 7M 打 671B 的零分，先问一句「什么时候考的、按什么尺子考的」，这个反差才立在平面上。【判断】 还有一点值得单独记：TRM 的「越想越乱」不是猜的，是测出来的。论文在同窗对比里把两个模型的预测摆在一起看，解出之后 TRM 还在不停改预测，而改的那批格子里错格数净增；InfiLoop 在同一个窗口里净消错格。一个架构有没有在进步，看它解出之后还动不动手，比看峰值分数诚实得多。峰值会说谎，手会说真话。【直引】