协议常见问题
为什么对齐训练算力，而不是参数量？
Section titled “为什么对齐训练算力，而不是参数量？”许多下一代架构用参数换计算：循环复用权重，稀疏注意力跳过部分计算，线性注意力改变成本随长度增长的方式。对齐参数量会掩盖这些权衡。 对齐每 token 的理论训练 FLOPs，问的正是实践者面对的问题：有这么多算力，模型应该把它花在哪里？
为什么用理论 FLOPs，而不是实测时间？
Section titled “为什么用理论 FLOPs，而不是实测时间？”墙钟时间取决于硬件、kernel 和工程投入，这些在不同方法之间差别很大，而且变化很快。算子账本在任何机器上都可复现，统计的是算法所需的计算，并把 kernel 填充和冗余排除在预算之外。
为什么只用一个随机种子？
Section titled “为什么只用一个随机种子？”每个方法跑一次 49B token 的训练代价很高。一个固定的种子让每个方法都使用相同的数据顺序和初始化流程；结果作为观察报告，并说明单种子的局限。 当差距需要时，再计划估计种子噪声。
为什么 SSSL 是锚点，而 Dense 是基线？
Section titled “为什么 SSSL 是锚点，而 Dense 是基线？”SSSL 是第一个经过审计的配置，之前的所有预算都相对它定义，所以它保持为冻结的算力锚点。每一层都使用完整因果注意力是自然的质量参照，因此
dense_full 被校准到同一预算，并作为 Δ 值的唯一基线。
可以用验证分片或 CORE 来选择设计吗？
Section titled “可以用验证分片或 CORE 来选择设计吗？”不可以。它们保留给正式运行。请使用训练损失或 dev 划分。
需要特定的 GPU 型号或容器吗？
Section titled “需要特定的 GPU 型号或容器吗？”不需要。任何 GPU 型号都可以按协议训练；每 rank 的 microbatch 会自适应，全局批量保持不变。正式运行需要的是已准入的配置和成本证明所用的锁定 PyTorch 构建，而不是某台特定的机器。
我的方法需要修改共享代码，怎么办？
Section titled “我的方法需要修改共享代码，怎么办？”先开一个 issue。能让所有已发布方法保持逐位一致的修改，在维护者完成全量审计后可以合并；会改变已发布方法的修改则成为方法的新版本。见修改共享代码。