损失曲线对比：架构归纳偏置不同，训练收敛速度与最终损失差距显著

一组在数据与算力相同条件下的训练损失曲线对比显示，仅架构归纳偏置的差异就带来了显著的收敛速度与最终损失差距。红色曲线约 4k 步降到 0.029 附近，蓝色曲线约 28k 步降到 0.032，橙色曲线 40k+ 步仍停在 0.04 以上。