TECHNICAL DETAILS
这份资料下面的技术细节文章
技术文章属于当前资料，不与 P11 研究项目入口平级。
暂无技术细节文章
以后针对这份资料形成的代码解读、公式拆解或机制实验，都会继续落在本资料页下面。
WHY NOW
为什么现在读它
它把精度—效率差距定位到 scalar tokenization 的低秩通道与 attention routing，是 P11 value-token 设计最直接的架构压力。
LEARNED OBJECT
它真正学习或预测的对象
仍是表格预测 conditional；RaBEL 增强数值 token 的局部基函数表示，S→N→F routing 让聚合顺序贴近 readout。
P11 USE
P11 可以从这里拿走什么
在冻结 shared value encoder 前复现 value-sensitivity/effective-rank 诊断，并把 token rank 与 Unit semantics 分开。
EVIDENCE BOUNDARY
不要从这篇论文多推一步
更好的 tokenization 与 routing 不改变预测对象，也不证明 causal、persistent-Unit 或 calibrated-belief semantics。
READING PATH
建议阅读路径
- 先读 low-rank collapse 的理论诊断与 affine tokenizer 边界。
- 再看 RaBEL 和 S→N→F block 的张量顺序。
- 最后核对性能、参数量、训练与推理成本的同口径比较。
P11 INTERNAL MATERIAL
已有项目材料
papers/P11-tabular-foundation-models/related-materials/limix-arxiv-2606.04485v2/README.md
MY READING NOTE
我的浏览器便笺
可以马上写、刷新后继续。它不上传到服务器，也不会自动进入 P11 的 canonical source。
尚未读取到当前浏览器中的已保存草稿。
保存边界：只保存在当前 browser profile + 当前 origin。localhost 与 wehub.us 是两份笔记；换设备、隐私模式或清理网站数据都可能丢失。长期保存请导出 Markdown 并回填到上面的 canonical path。