學習目標：LLaDA 那類系統把序列切成 block，block 之間從左到右、block 之內平行翻開。這顆旋鈕直接在網路呼叫次數與因子化誤差之間換——而且完全在取樣器裡，不動訓練。

橫軸＝網路呼叫次數（對數）　縱軸＝樣本的切換率（虛線＝資料的真值 1−相依強度）　每個點標它的 block 大小；同一條線上是同一個 block 大小、不同的每 block 步數

最右下角那個點是 B=1：一次一格、16 次呼叫，切換率打在 0.10 上——那就是 autoregressive，沒有因子化誤差。最左上角是 B=16、1 步：一次呼叫全部填完，切換率衝到 0.5 附近。中間那些點才是有意思的地方：B=4、每 block 2 步（8 次呼叫）量到 0.170——用一半的呼叫次數，走完「最差 0.49 → 最好 0.09」這段路的大約八成。這就是 block 這顆旋鈕在賣的東西：它完全在取樣器裡，不必重訓。把相依強度切到 0.7 再看一次：資料本身變亂（真值變成 0.30），整張圖的可讀範圍跟著變窄——相依越弱，平行翻開的代價越小。