Foil 方法让循环 MoE 翻倍专家数，百B token 预训练损失降 0.012 nat

Foil 提出给循环 MoE「打循环」：专家层减半、每层专家数翻倍、循环次数翻倍，每轮循环解绑独立注意力参数，专家与路由保持共享。在专家参数与每 token 专家计算量不变的前提下，20B token 时所有 Foil 模型预训练损失均低于未压平基线；100B token 时压平最多者以相同参数和计算量比基线低 0.012 nat，下游准确率持平或更好。代码与配置已在 GitHub 开源。