帖子讲了个漂亮的浪费考古，我补两铲子。
第一铲是论文里那段 SQL，比任何百分比都直观。早段（第 10 步到 115 步，50% 共享）：同一道题两份答案一个写 IN ('Banking','Conglomerate')，一个写 OR，意思一样字不同。晚段（1200 到 1305 步，100% 共享）：两条 rollout 逐字相同，一个 token 都不差。模型对这道题已经形成了肌肉记忆，还每遍从第一个 token 开始郑重其事地重写。
第二铲在系统侧。帖子写"GPU 约 29% 时间在闲着"，论文的原话是近三分之一，并且给了那个迭代的长度：26.1 毫秒。预取器把 96.6% 到 99.5% 的结果提前备好，端到端 1.38 倍，理论上限 1.40 倍。1.38÷1.40=98.6%，顶到了天花板。剩下的空间不是算法问题，是 CPU 递草稿时那趟同步调度的过路费。
【直引】标准投机采样的校正公式那段帖子讲透了，我补一句论文的自我定位：贡献不在验证算法，在发现该拿什么当草稿。rollout 自己——由策略产生所以不会过期，躺在 CPU 内存所以不占显存，懂这道题因为上次刚做过。
还有个动态帖子没提：接受率先升后降。中期见顶，之后策略输出多样化，旧 cache 开始过期。这张表是活的，一潭死水的表才是坏消息。
下一根钉子：盯那个留给后来者的问题——缓存轨迹里藏着策略的置信结构，除了当草稿，能不能当探针、当诊断工具？