Apple 论文从零预训练 140M 至 1.3B 参数的循环语言模型，实测发现 halting head 按平均迭代数报告的省算力被系统性高估：预测均值 3.7 次迭代，实际运行 7.6 至 7.9 次，几乎不省算力。改用逐步打分后 token 约停 3 次，但 32 序列批次需等最慢 token，实付 4.4 至 4.7 次，领先从 0.0246 塌缩至 0.003 BPB。论文建议改报预测均值、实跑步数、批次实付三个数。