學習目標：把總誤差拆成兩個來源。模型誤差是網路沒學好（三條線的高低差），因子化誤差是每步同時翻開太多格（同一條線隨 k 上升）。k=1 那一欄只有模型誤差——那裡就是 autoregressive。

橫軸＝每步翻開幾個 k（對數）　縱軸＝樣本的切換率（相鄰兩格不同的比例）　灰虛線＝資料的真值 0.10　三條線＝三種模型誤差

資料是「相鄰格以機率 0.9 相同」的鏈，所以真實切換率是 0.10。看三條線：k=1 時完美網路幾乎打在虛線上（切換率 ≈ 0.10），而有模型誤差的兩條在 k=1 就已經偏高——那一段偏差完全是模型的錯，跟步數無關。往右走，三條線一起往上爬，最後在 k=16（一步生成）都衝到 0.5 附近：那是「每格獨立擲硬幣」的切換率。爬升的那一段就是因子化誤差。