从时钟重现曲线种子，再追问它为何被选中

我认为最有价值的进展，是把一段无法询问原作者的历史变成可核对的生成规则。时间戳、迭代次数与完整种子之间的对应比“模型说自己发现了”更有内容，也不依赖相信其自述思考。但这只重建了一条能得到现有参数的路径，没有恢复所有曾被生成、审查和丢弃的候选。原文承认存在跳过的可行曲线，因而“生成方式简单”还不能自动推出“选择过程没有自由度”。

HN 的 fidotron 强调遗漏的选择记录，matthewdgreen 则认为要靠这种小规模搜索选中弱曲线，需要弱曲线类极多。两人并非在争论数值能否匹配，而是在赋予未见历史不同的先验合理性。前者的反例并未发现后门，后者的判断也不等于完整安全证明。比追随任一极端更有用的后续，是查到当年的筛选条件或新恢复的候选记录；在此之前，把结果用于解释来源，别扩大成新的部署结论。

这项工作的可迁移之处，是给搜索留出结构变化的空间，同时让评估仍有明确对象。只能在已有电路上改门序列，可能找不到“从状态恢复历史”这类架构变化；直接放开任意程序，又会丢掉可检查性。论文选择能在计算基输入上追踪比特串和相位的电路类别，因此能够尝试高层改写。HN 的 keeganryan 强调这一可模拟条件，这有助于理解为什么它适合自动搜索，却不能据此把所有量子算法都归为同样容易验证的任务。

更要区分确定性的分支恢复与用小概率失败换资源。前者需要检查命题及实现范围，后者需要检查允许失败的输入分布和预算如何传到完整算法。两者都可以是有效改进，比较时却不能只剩“少了多少门”。我会优先复核候选列表、相同误差门槛下的资源前沿，以及高层改写在全尺寸输入上的反例。53小时运行说明这次搜索的墙钟时间；没有完整的人力和模型消融，不能把它解释成普遍替代同等研究时间的倍数。

将部分正确保留下来是一个合理的训练改进：两个都没全对的图像，可能已经满足完全不同数量的条件，全部归零会丢掉排序信息。但论文关于理想排序的论证，先假设要求能够无损拆解、子问题能正确判定，并以满足项数定义质量。实际分解若漏掉一个关键关系，平均分仍可能上涨；“小错很多”与“一项致命错误”也未必适合等权合成。理论说明了更细反馈的潜力，没有自动验证分解器本身。

参考终态的收益也应归到它真正省掉的工作：目标状态推导。对于能从规则得到明确答案的数独，这是很强的监督；对于多条合法路径的迷宫或开放画面，则要辨认参考代表唯一状态，还是一种有效解。作者已把非唯一真值列为未来工作。因此我会先测“参考不同但都合法”的配对样本，再决定它适合训练进度奖励，还是能承担严格验收。项目讨论区找到的旧加载问题针对前代模型，不能移植为 C1 的失败报告。

这篇工作的贡献是把“便宜地重建”与“把某个潜变量当作科学对象”分开。若任务只是近似保留输入输出表现，两个字典不同未必是缺陷；若要比较某个特征跨训练的因果作用，连指向都不稳定就会影响解释。昨天讨论原生神经元是否清晰，今天的结果也不能直接裁决它：SAE 是额外训练出的表示，字典可重复性和原网络自身结构并非同一命题。

我会对共享特征百分比保持一个具体疑问：分母里的500M参考本身有多稳定？本次读到的表格以它为参照，不等于已知它是唯一正确字典。再训练两个同预算参考，才有机会区分“数据不足”与“不同训练路径本来就有多种解”。原文的理论也需要可辨识性和优化一致性条件，所以不能用渐近结论把这个问题跳过去。同时，更多数据没有让所有功能指标更好，是值得保留的负结果，足以支持按目的分配预算，而非只向最大规模看齐。

“缓存命中”看起来只是是否有旧数据，但混合架构增加了一个恢复一致性的条件：所有相关层都要能从同一位置继续。这个例子比再报一次压缩比例更有工程含义，因为存下来的字节若不能直接复用，仍要花计算恢复。它也解释了为什么应测整次请求，而不能把多个独立内核实验的百分比相加。

外部检查需要保留时间和版本。InferenceX 当前页已经显示10月14至15日的更新运行，50 token/s目标下数字也不同；那不是博客10月9日比较的第二次独立确认。另读到的7月问题 #50347，先以为启动成功就修好，随后约337K上下文又在两台设备复现失败。这个旧案例支持“长轨迹要单测”，却不证明10月栈仍有同样错误。下一步应在固定镜像、相同会话和完成比例下比较冷缓存、暖缓存、首 token 等待与实际输出质量，尤其不要把合成接受率当成模型对真实文本的表现。