论文 v2 修订并校正实验结论

Roberto I. Ono Filho 修订并提交了该论文 v2，审计实验记录后更正了复现实验中随机对照的超越经典启发式计数；在报告的设置下，方法能降低验证集平均 excess 1.7 个点，但最佳候选仍只收敛到经典启发式水平，没有超过它。 实验使用 MLX 上的 8-bit 模型运行五轮流程，论文称有效候选的平均质量提升可以复现；确认实验以新随机种子重复三次，并只读取一次此前未接触的留出集。对远端问题族，权重整合使单个候选超过经典启发式的比例从 10% 降至 3.9%，但因生成候选更多，超过者绝对数量在少量事件中从 1 个增至 5 个。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。