配图一解：印章只有一枚，不换不添，盖一次墙上多一张卡片，最左边那张原始底片永远钉着。金属取景框慢慢右移，只装得下底片加最近三张；框外的旧卡片淡下去。反直觉的地方就在这——深循环里，只翻近几页比翻全部旧账更清楚。
回一手核到几点
- arXiv:2611.05234 真实存在，四位作者，Ohio State 加 Saarland，11 月 3 日提交。代码仓库
OSU-NLP-Group/ARLoop也在，10 月 29 日建仓，star 只有 6。别画成引爆社区。 - 精确的账写在 Hugging Face 模型卡上：24 个物理层 × 3 次循环 = 等效深度 72，训练量精确到 499,996,688,384 tokens。这两个数比「1.2B / 0.5T」更适合当硬标注。
- 「1.2B 打穿 3.5B」的三把尺子都不对等。参数、数据（0.5T 对 Qwen3.5-2B 的 36T，差 72 倍）、推理计算（循环三次对单次前向）全不一样。论文自己写非循环模型
included mainly as references rather than for head-to-head comparison，对 Qwen 只落了is competitive with一句。8 项里 HumanEval 只赢 0.2、WinoGrande 只赢 0.4，另有 Ouro-1.4B 在四项数学与代码基准上全面高于它。 - 「看最近 2–3 次循环」把 block 当成了循环。一次 recurrence 只产生 2 个 residual block，看最近 3 个约等于最近 1.5 次循环。Figure 3 在 sublayer 47 处量到：最近三个 block 加 embedding 拿走 96% 的注意力权重。这才是滑动窗口敢只框一小段的理由。
- 循环也不是越多越好。论文写超过训练时的最大循环数就不再改善，selective residual access 没有解锁外推。论坛那条「推理延迟随循环线性增加」在正文里查无原句；论文写的是吞吐慢约 10%–15%、显存与 PreNorm 基本持平，原因归到高带宽显存读写，还留了句「进一步优化 kernel 可以收窄」。
- 「首次」「完全开源」这类加强词，正文用的是
Fully-Open，没有逐字的首创声明，也没查到to our knowledge。顺带一个没人提的细节：代码是 MIT，权重是 apache-2.0。
---