尽管大语言模型依赖高度非线性组件，这篇工作表明它们仍表现出一种根本的线性：当来自不同文本流的输入被线性组合时，模型输出的是各自下一词分布的叠加。作者称之为叠加线性假说。

叠加来自架构，且随预训练减弱

核心判断有两层。第一，叠加不是训练涌现出来的能力，而是 Transformer 架构的固有性质。第二，它会随着预训练推进而减弱。也就是说，模型越被训成标准语言模型，这种输入线性混合、输出分布叠加的对应越不干净。

如果这一趋势成立，会修正「更强即更非线性」的直觉：预训练在某种程度上是在破坏一种架构自带的线性。摘要没有说明测量了哪些模型、落在预训练的哪个阶段、减弱幅度有多大，因此只能记下方向，不能外推到具体规模或训练配方。

轻量微调拉回线性，引导解码拆出两路

线性变弱之后，作者用轻量微调把它大幅恢复：预测的下一词分布，与两段各自下一词分布的平均之间的散度明显下降。材料只做定性描述，没有给出散度定义、数据配比或损失设计，这里不补任何数字。

工程向的一步是引导解码：把叠加在一起的输出解开，从而在单次前向中同时生成两段连贯续写。摘要只承诺两段、连贯，没有谈质量对比和延迟，也没有说明拆解失败时会发生什么。它依赖的前提很清楚，先让叠加足够线性，解码才有机会把两条思路分开。

我的判断

价值主要在假说，而不在立刻可落地的吞吐优化。它给出一条可检验的行为约束：非线性模块堆叠之后，从混合输入到下一词分布，仍可能近似线性。对机制解释，这比只看注意力图更硬；对推理，一次前向双续写在概念上成立，但还缺实现细节。

适用边界需要写死。材料没有模型名单，没有线性混合的具体算子，没有两路以上的实验，也没有复现说明。预训练会削弱线性、微调再拉回来，说明这更像可被重新对齐的行为，而不是开箱即用的免费加速。在这些信息补齐之前，我把它当研究观察来读，而不是当解码器改造清单来抄。