LOB-Impact 基准：生成式限价订单簿模型中涌现的市场冲击 LOB-Impact Benchmark: Emergent Market Impact in Generative Limit Order Book Models
首个在元订单尺度测量生成式LOB模型市场冲击的基准，发现冲击涌现但形状过陡且不松弛
前置知识
限价订单簿（LOB）
交易所撮合的核心数据结构：买方出价和卖方要价按价格优先、时间优先排成两侧队列，每条消息（限价单、市价单、撤单）到达后更新账本状态并可能成交。消息级模拟器（如本文用的 JAX-LOB 引擎）逐条回放或生成这些消息来重建整个市场微观过程。
本文的全部实验都发生在消息层面：往生成器产出的消息流里注入执行式订单，再在撮合引擎里观察价格反应，不理解 LOB 撮合机制就无法理解注入协议和盲控制的设计。
元订单与市场冲击
机构不会一次下大单，而是把大单拆成许多子订单悄悄执行，这整个隐藏序列叫元订单。执行期间价格会朝订单方向移动，经验金融学总结为平方根定律 $I(Q) = \sigma Y \sqrt{Q/V}$，其中 $\sigma$ 是日波动率、$Q$ 是元订单量、$V$ 是日成交量，实测指数 $\beta \approx 0.5$、振幅 $Y \approx 0.5$，且执行停止后冲击会松弛到峰值的一半到三分之二。
平方根定律就是本基准用来检验生成模型的'物理参考答案'：模型产生的冲击指数 $\delta$ 和振幅 $Y$ 是否落在真实市场区间，是判定模拟器能否当执行 agent 环境的核心标准。
参与率（Participation Rate）
元订单成交量占市场总成交量的比例 $\eta$。本文固定目标 $\eta = 10\%$，落在经纪商数据库记录的 3%–40% 区间内。给定参与率，子订单之间的间隔由恒等式 $\eta = 1/(1 + \Delta N \phi)$ 决定，其中 $\phi$ 是市场订单占全部消息流的比例，由此推出间隔 $\Delta N = (\eta^{-1}-1)/\phi$。
参与率把'注入多少订单'标准化成跨股票可比的量：冲击以累计参与率 $q = Q/V$ 为自变量测量，不理解它就看不懂校准流程和 $\Delta N$（40 到 729 条消息）为何因股票而异。
自回归状态空间生成模型（S5/Mamba/GDN）
把订单簿消息流当'语言'逐 token 预测下一事件的生成模型。S5 是简化状态空间层，Mamba 是选择性状态空间骨干（线性复杂度、携带连续隐状态跨越长序列），Gated DeltaNet（GDN）用 Delta 规则改进 Mamba2。它们只训练下一 token 预测，从未被显式教过'别人下单时该怎样反应'。
本文的被测对象就是这五个神经生成器；理解它们'携带隐状态跨过生成与注入消息'这一点，才能明白作者所说的松弛机制本应在哪里、以及为什么上下文窗口长度成了松弛失败的嫌疑对象。
Hurst 指数与交易符号自相关
Hurst 指数 $H$ 刻画价格路径的扩散性质：$H = 0.5$ 为标准扩散（随机游走），$H > 0.5$ 为超扩散（有趋势）。交易符号自相关衰减指数 $\gamma_{flow}$ 衡量买卖方向的持续性，值越大记忆越长。理论上持续性的订单流必须被市场松弛抵消，价格才能保持扩散——两者必须平衡，否则市场内嵌'免费午餐'。
这对指标构成基准 Phase 1 的平衡检验 C1：真实 AMD 流 $\gamma_{flow} = 1.66$、$H = 0.54$ 恰好平衡，而所有五个生成器都打破了这条腿，是解读全文'可持续性无补偿'故事的前提。
反事实与盲控制
反事实实验问'如果注入元订单，价格会怎样'，历史数据无法回答，只能靠模拟器。盲控制是其增强版：同一窗口、同一随机种子跑两次，可见运行中订单真实撮合，盲运行中订单在模拟器里成交但模型的任何输入（消息流、账本状态）都不携带它们，生成流当作元订单从未发生。
可见峰与盲底的比值（v/b）是把'账本力学造成的机械冲击'从'模型自身的间接冲击'中分离出来的唯一手段，直接支撑归因判定 C3，是本文方法设计最精妙的一步。
研究动机
生成式限价订单簿模型（GAN、循环与状态空间消息生成器、Transformer、扩散模型）目前的评判标准是分布保真度：LOB-Bench 等基准把生成流的价差、成交量、消息到达间隔、订单不平衡分布与历史数据逐一比较。这套分数对一个关键问题是盲的——当 agent 自己往里下单时，市场会如何反应。这类模拟器最大的用途是充当强化学习交易 agent 的世界模型，如果模拟器错误定价了订单冲击，agent 会学到在模拟器里最优、在真实市场亏钱的策略。已有工作只在极小尺度触碰过这个反事实：LOB-Bench 只测单个事件的响应；MarS 报告过注入 TWAP 订单呈平方根形状的响应；Bodor 与 Carlier 在十子订单元订单上测得指数 0.55。但这些实验都没有把机械冲击（注入订单直接吃掉账本档位）与间接冲击（其他参与者——在生成器里就是模型本身——对注入的反应）区分开，而后者恰恰是模拟器作为'市场'的灵魂。
本文的目标是本文要构建一个能在元订单尺度、对任何消息级生成器测量市场冲击响应的开放基准。具体目标有三层：一是设计三阶段协议（自由生成、元订单注入、执行后松弛窗口），把经验影响文献中成熟的估计器搬到生成模型评估里；二是用五个事前固定的可检验命题 C1–C5（流量-价格平衡、冲击存在性、冲击归因于模型本身、平方根定律形状、执行后松弛）把每个模型-股票单元约化成一串可核验的判定；三是提供自动的每股票校准和盲控制配对运行，让'谁制造了冲击'这个问题有明确数字答案。最终在五个神经生成器 × 五只 NASDAQ 股票共 25 个单元上执行完整战役。
与已有工作不同的是，本文的独特切入是从'分布比较'转向'干预式反事实测量'，并补上归因这一环。分布基准永远无法回答'若下这笔单价格会怎样'，而生成器可以：同样的条件窗口重复运行，一次带可见注入、一次盲注入，可见与盲的差就是模型的内生反应。设计上还有三个少见的严格性：一切下游（注入时间表、校准、估计器、判定阈值）都在任何模型运行之前由股票和协议固定，被测模型无法影响量尺；先测存在性再测大小，可识别性检验在真实噪声的点云上先做 500 次零假设试验确认零误报；用物理已知的核基线（Propagator 的幂律衰减、Obizhaeva-Wang 的指数韧性）端到端闭环校准估计器，而不是直接信任数字。
核心方法
直觉上，要看一个'人造市场'是否有真实市场的价格形成物理，最直接的办法就是像机构交易员那样往里面执行一笔拆分大单，然后测量价格被推了多少、推完之后会不会退回来。技术上，基准有四个输入：被测模型、股票、从该股票自己的数据计算的校准、以及每方向每阶段的 rollout 预算——每股票 1024 个 rollout、铺在 20 个交易日上（约为子采样实验确定的最小需求的 1.4 倍）。协议分三阶段：Phase 1 让模型自由生成 12k–73k 条消息（跨越 AMD 约 40k 消息的 build-up 时间尺度），测交易符号自相关衰减指数 $\gamma_{flow}$、中间价 Hurst 指数 $H$ 和自由漂移；Phase 2 在真实流的条件窗口后交替注入一个激进子订单（中位市价单大小）和 $\Delta N$ 条生成消息以维持参与率 $\eta = 10\%$，共 100 个子订单，对累计参与率拟合幂律 $I = a q^{\delta}$；Phase 3 执行 10 个子订单后停手 100 个静默块，测冲击回落。每个 build-up 注入都配对一次可见运行和一次盲运行。所有判定标准事前固定，每股票一场战役，数量只在定律被识别时才报告。
核心创新是盲控制与'存在性先于大小'的双重设计。盲控制解决归因：注入的订单在 JAX-LOB 撮合引擎里真实成交，但模型的任何输入（消息流、账本状态）都不携带它们，于是生成流按元订单从未发生过继续演化；可见峰与盲底的比值大于等于 3 才承认冲击是模型自己的间接反应（C3），否则可能是纯机械效应——论文中 replay 核在盲臂上也被识别出 $\delta = 0.73$–$0.81$，正说明不做这一步会把撮合规则误认为模型智能。存在性检验解决可识别性：对 $[0.05, 1.5]$ 步长 0.01 的每个 $\delta$，最优振幅有闭式解 $a^*(\delta) = \sum I_q q^{\delta} / \sum q^{2\delta}$，失配曲线在真实定律下呈尖锐极小、无信号时平坦且 $a \approx 0$；振幅低于 0.05 或最优 $\delta$ 落在网格边界即判'定律未识别'，主曲线还要求 $\langle I(1) \rangle$ 超过三个标准误差，并有加权中位数 $L_1$ 版本抗离群点。这套纪律让 25 个神经单元的每一个结论都能从打印出的数字独立复核。
方法步骤详情
第一步，校准：从评估月（2026 年 1 月，held out 于训练）的 LOBSTER 数据为每只股票计算三个数——子订单大小取当日市价单中位数（EA 17 股到 GOOG 23 股）、日成交量 $V$、子订单间隔 $\Delta N = (\eta^{-1}-1)/\phi$（$\phi$ 为市价单占消息流比例），得到 EA 122、NVDA 250、MSFT 261、AMD 401、GOOG 729 条消息，子订单数固定 $N = 100$（对应经验隐含单平均 96–98 笔成交）。第二步，Phase 1 自由生成：模型独立跑完一个 rollout 长度，读 $\gamma_{flow}$、$H$、自由漂移三个量，与股票自身 replay 对照，容差 0.10、0.02、5 ticks，通过判 C1。第三步，Phase 2 注入：条件窗口后按时间表交替注入激进子订单与 $\Delta N$ 条生成消息，买卖两方向分别跑并按 $I = \frac{1}{2}(I_{buy} - I_{sell})$ 反对称合成以消掉方向无关漂移；每个子订单贡献一个点 $(q_k, I_k)$，按生命周期约定在累计池 $q \le q_k$ 上拟合 $I = a q^{\delta}$；振幅换算成无量纲 $Y = a\, q_{ref}^{\delta - 1/2} / \kappa_P$（$\kappa_P = \sqrt{4 \ln 2} \approx 1.665$，Parkinson 修正），可直接对照经验值 $Y \approx 0.5$；可见峰超过盲底 3 倍判 C3，$|\delta - 0.5| \le 0.10$ 且 $Y \in [0.5, 1]$ 判 C4。第四步，Phase 3 松弛：10 子订单后 100 个静默块，读终峰比 e/p 和执行后斜率，对照真实市场衰减到峰的 1/2–2/3 及 OW 核同表同一时间表的闭式值判 C5。第五步，估计器验证：在 replay 的真实噪声点云上植入已知指数定律，$\delta \in [0.5, 1.0]$ 全部恢复且偏差至多 0.11（向下），500 次空植试验零误报；核基线端到端恢复内置韧性排序。估计器对六种波动率归一（无归一及 Parkinson、Garman-Klass、Rogers-Satchell、close-to-close、Yang-Zhang）稳定，$\delta$ 移动不超过 0.05。
技术新颖性
技术新颖性在于把'干预实验 + 归因控制'的因果推断范式第一次完整搬进生成式市场模拟评估。与 LOB-Bench 的本质区别：LOB-Bench 只做分布比较和单事件响应，本文在元订单尺度（100 个子订单、跨约 40k 消息、远超 500 消息训练窗口）测量响应，且给出形状参数 $\delta$、振幅 $Y$、松弛比 e/p 三个可比较数字。与 MarS 和 Bodor-Carlier 的本质区别：后者报告的响应无法排除机械冲击，本文的盲控制把'账本吃掉档位'与'模型作为其他参与者的反应'严格分离，首次证明 25 个神经单元的超额冲击确实是模型内生行为（可见峰至少 3 倍于盲底、16 个单元超 10 倍）。工程上还有三处精巧：反对称合成公式让自由漂移在对称相减中抵消并单独入账恰好一次；声明阶梯 C1–C5 把模糊的'模拟器像不像市场'拆成五个可证伪命题，缺测量的单元显式标记'不可判定'而非读作缺陷；13 个模型的对照面板（从无反应的 Historic replay 到写入目标物理的核基线，再到参数化点过程与神经生成器）构成一条从'不该有冲击'到'该有正确冲击'的完整谱系。
实验结果
Phase 1（AMD，自由生成）：真实 AMD 流平衡——$\gamma_{flow} = 1.66$ 的持续订单流配上 $H = 0.54$ 的扩散价格；五个生成器无一守住两条腿。S5 家族订单流记忆过长（$\gamma_{flow}$ 1.90 与 1.83）但扩散性正确（$H$ 0.55、0.54）；Mamba3 与 Mamba3-4k 记忆接近真实（1.20、1.06）但价格过扩散（$H$ 均 0.58）；GDN 记忆最长（0.79）而价格欠扩散（0.49）。自由漂移从 +9（S5-4k）到 −251 ticks（Mamba3-4k），全部 C1 失败。Phase 2（元订单响应）：可识别性检验在全部 25 个神经单元识别出定律，而在无法反应的 Historic replay 上失配曲线平坦、振幅为零——估计器诚实。AMD 的分箱指数：S5-120M 0.66、S5-4k 0.79、Mamba3 0.87、GDN 0.90、Mamba3-4k 0.93（日聚类 bootstrap 半宽 ±0.05–0.06）；跨五股范围 0.63–1.21，全部 25 个区间排除 0.5。振幅是真正的重磅：AMD 上 $Y = 2.24$–$8.57$ 对经验 $Y \approx 0.5$，即每单位参与率真实元订单费用的四到十七倍；100 子订单元订单推动模拟价格 17–70 bps，而任何基线至多 11 bps。盲控制确认归因：可见峰至少 3 倍于盲底（v/b 全部 25 格）、16 格超 10 倍，这是被设计出来隔离的间接冲击。Phase 3（松弛）：真实元订单在 1–2 个执行时长内回落到峰的约 2/3；核基线实测终峰比 Propagator 0.89、OW 0.81，紧贴闭式值 0.94 与 0.87，而神经面板 AMD 读数 1.19、1.15、1.16、1.36、0.88（GDN），执行后斜率 +0.6%、0.0%、+0.4%、+3.7%、−2.4%——四个模型在最后一个子订单成交后价格仍朝原方向移动。汇总成声明阶梯：25 个神经单元重复同一签名 C1✗ C2✓ C3✓ C4✗ C5✗。跨股票一致性极强：按 $\delta$ 或 $Y$ 给生成器排名，Kendall $W = 0.82$ 与 0.81，说明基准测到的是持久的模型特异成分；但分布保真度与冲击保真度解耦——LOB-Bench KS 排名与 $|\delta - 0.5|$ 排名的相关性在 GOOG 为 +0.54、在 MSFT 为 −0.71（p = 0.02），神经家族内部 MSFT 达 −0.90，'学得更像的市场'可以离真实冲击定律更远。分布外检验（EA，不在训练语料）：定律不被破坏（$\delta$ 0.84–1.12）但校准被摧毁，$Y = 12.23$–$49.52$。
查看结构化数据
| 任务 | 指标 | 本文 | 基线 | 提升 |
|---|---|---|---|---|
| 元订单冲击存在性与指数（AMD build-up，100 子订单，参与率 10%） | 冲击指数 δ（分箱估计，日聚类 95% 区间） | 五个神经生成器全部识别：S5-120M 0.66±.05、S5-4k 0.79±.06、Mamba3 0.87±.06、GDN 0.90±.05、Mamba3-4k 0.93±.05；跨五股 0.63–1.21，25/25 区间排除 0.5 | 经验平方根定律 δ = 0.5；可反应 replay 核 0.73–0.81；Historic replay 无定律（正确）；判定阈值 |δ−0.5| ≤ 0.10 | 负向偏离：指数高出 0.5 达 0.16–0.43，C4 全部失败；估计器本身经植入定律验证偏差至多 0.11（向下） |
| 冲击振幅（每单位参与率的价格移动） | 无量纲振幅 Y（Parkinson 波动率归一，对照经验 Y ≈ 0.5） | 训练域内股票 Y ≈ 2.2–8.6（AMD）、1.7–19（NVDA/GOOG/MSFT）；OOD 的 EA 达 12.23–49.52 | 真实市场 Y ≈ 0.5；核基线 Y = 0.96–1.46；判定带 Y ∈ [0.5, 1] | 训练域内超额 4–17 倍：100 子订单元订单推动模拟价格 17–70 bps，任何基线至多 11 bps |
| 冲击归因（模型内生反应 vs 账本机械冲击） | 可见峰 / 盲底比值（v/b，同窗口同种子配对） | 25 个神经单元全部 v/b ≥ 3（通过 C3），其中 16 个单元超过 10 倍 | 盲控制本身：无模型时 replay 核也被识别在 δ = 0.73–0.81、Y 至 1.46，说明机械冲击足以产生可识别定律 | 首次把间接冲击干净地归给生成器本身——不加盲控制则无法区分'模型会反应'与'撮合规则吃档位' |
| 执行后松弛（Phase 3，10 子订单 + 100 静默块） | 终峰比 e/p 与执行后斜率（每执行时长占峰百分比） | AMD：1.19（S5-120M）、1.15（S5-4k）、1.16（Mamba3）、1.36（Mamba3-4k）、0.88（GDN）；斜率 +0.6/0.0/+0.4/+3.7/−2.4%；C5 零通过 | 真实市场回落到峰的 1/2–2/3；同时间表闭式值 Propagator 0.94、OW 0.87，实测 0.89、0.81；永久 Heuristic 0.95 | 负向：四个模型执行结束后价格继续朝元订单方向走；GDN 虽低于峰但自由漂移 −127 ticks 使归因不成立 |
| 流量-价格平衡（Phase 1 自由生成，AMD） | γ_flow（符号记忆）/ H（扩散性）/ 自由漂移（ticks） | 全部五模型失衡：S5 γ_flow 1.90/1.83 过记忆；Mamba3/4k H 0.58 过扩散；GDN γ_flow 0.79、H 0.49；漂移 +9 至 −251 ticks；C1 全败 | 真实 AMD 流 γ_flow = 1.66、H = 0.54、漂移 ≈ 0；容差 0.10 / 0.02 / 5 ticks | 负向：无一生成器同时守住持续流与扩散价，暴露'持续订单流无补偿'的结构缺陷 |
| 分布保真度与冲击保真度的独立性 | LOB-Bench KS 排名与 |δ−0.5| 排名的 Spearman 相关 | 跨股票不稳定：GOOG +0.54，MSFT −0.71（p = 0.02）；神经家族内部 MSFT −0.90（p = 0.08）；按 δ 或 Y 排名生成器则跨股票一致（Kendall W 0.82/0.81） | 若分布好即冲击对，两者应强正相关 | 证明'生成流更像历史'与'冲击物理正确'是两个必须分别测量的正交性质——分布基准对世界模型用途是不充分的 |
局限与改进
作者承认的局限：正文只对 AMD 逐带解读，其余四只股票仅以 Table 3 呈现；一切都在单一操作点测量——参与率固定 10%（真实执行参与率范围 3%–40%）、子订单取中位市价单大小、全是激进市价子订单、单一 build-up 形状、单一交易所单个月份，而 $\delta$ 依赖该操作点；极端成交量制度（经验上冲击从平方根转线性的区域）未探测；评估月份本身是样本，若该月偏离约一个月内标准差，指数的移动就可能超过半宽上限。我的补充观察：其一，松弛失败归因于上下文窗口太短只是尝试性结论——4k 上下文变体同样失败，但 4000 消息仍远短于约 40k 消息的元订单，'更长上下文能否修复'保持未检验而非被否定；其二，4k 变体用 2000 消息微调且参数量与 500 版本不同（55M 对 120M），窗口长度与模型容量存在混淆；其三，GDN 的 C5 判定被 −127 ticks 自由漂移污染，实际上没有任何神经单元给出过干净测得的韧性数字；其四，覆盖面限于 5 只美股与 4 个 SSM 家族，Transformer 与扩散生成器（论文引用的相关工作）未进面板，跨资产类别（期货、外汇上同样有平方根定律记录）的泛化完全未知。
独立分析的弱点
弱点一，协议刚性：单一参与率（10%）、单一子订单大小（中位市价单）、单一激进子订单形状，而真实机构执行大量使用被动限价子订单与 VWAP 日程，且参与率 3%–40% 跨越冲击从平方根转向线性的制度；改进方向是把操作点做成网格，报告冲击曲面 $\delta(\eta, \text{shape})$ 而非单点。弱点二，归因与判定的耦合污染：C5 依赖自由漂移低于 20 ticks 的前提，但五个模型漂移达 +9 到 −879 ticks（GOOG Mamba3-4k），使得最需要看松弛的模型恰恰最没有资格被判定，改进方向是先做漂移校正的松弛估计（论文在 Phase 1 已有漂移校正的自身交易响应 $R(\ell)$，可延伸到 Phase 3）。弱点三，OOD 灾难被轻描淡写：EA 上振幅 $Y$ 膨胀到 12–50（约真实市场 25–100 倍），说明定律的'存在'不等于'可用'，改进方向是把 OOD 校准漂移作为独立声明 C6 报告，并在振幅估计中引入分位数稳健区间。弱点四，验证集与被测集时间重叠的潜在泄漏：校准用 2026 年 1 月数据、训练语料截至 2025 年 12 月，但仅一个月评估窗口使日间方差难以压低（作者自己指出区间估计需 5 天以上才可靠），改进方向是跨多个月份滚动评估并报告月间方差。弱点五，容量与窗口混淆（55M/4k 对 120M/500）使'更长上下文有用吗'这一核心问题未被干净回答。
未来方向
作者明确提出：在每个训练 checkpoint 上跑 Phase 1，以生成的 $\gamma_{flow}$ 和 $H$ 逼近该股票经验值为目标，且强调修复方向是'学习补充流动性而不是忘记持续性'——直接杀死订单流记忆会空洞地恢复平衡但摧毁微观结构；随后用 Phase 2 和 3 检验修复是否恢复真实的 build-up 与松弛；更长上下文与更大模型是自然的下一步（4k 变体的失败留待 40k 级窗口验证）。在此之上可以延伸：其一，把基准升级为执行 RL agent 环境的'认证套件'，训练前先验 C1–C5，用本基准证明 MarS、LOB-Bench 生态中候选模拟器的执行成本模型可信；其二，把冲击形状或补充流动性机制作为辅助训练目标（如在生成损失中加入对注入实验的可微近似），实现'教物理'而非'事后测物理'；其三，扩展到多资产联动冲击与跨市场（期货、外汇）平方根定律的普适性检验；其四，与 LOB-Bench 的分布分数合并成两轴'世界模型身份证'，本文已证明两轴相关性不稳定，正需要联合报告；其五，盲控制范式本身可推广到其他反事实性质，如撤单风暴、闪崩恢复、跨品种传染的归因测量。
复现评估
复现条件较好但门槛不低。开源情况：全套协议、校准、估计器、控制与报告规则在 github.com/george-nigmatulin/lob-impact 单包发布，用户只需提供自己的模型和任意股票一个月 LOBSTER 格式数据即可运行，判定规则完全事前固定、Table 3 每个判定都能从打印数字独立复核，透明度很高。数据：LOBSTER 为商业付费数据（需 2022–2026 共约 4 年、8 只股票的消息级数据加评估月全部 487 只股票的宇宙统计），是最主要的获取障碍。算力：训练五个神经生成器（参数量 55M–120M，语料 Jan 2022–Dec 2025 八股）需要多卡训练数周量级；评估侧单次 build-up rollout 约 40k 消息，S5-120M/Mamba3/GDN 在单张 H100 上约 39–54 秒、4k 上下文变体约 12 分钟，而每股票每方向每阶段需 1024 个 rollout × 20 交易日，单一模型单股票约数十至百余 GPU 小时、五个模型五只股票的完整战役估计上千 H100 小时（作者用了 Isambard-AI 国家级资源）。依赖 JAX-LOB 撮合引擎（开源）与 replay 基线（CPU 即可，约 4 秒）。总体难度中高：复用官方代码在已有模型+已购数据上跑单股票战役约一至两周工程量；从零复现包括训练则需实验室级算力。
论文图表
被测的 13 个模型面板。上半部为非神经基线：Historic（原样回放真实流，无因果反应，阴性对照）、Heuristic（回放加位移：被消耗的最优档位使后续消息整体移位，永久冲击）、Propagator（一档冲击按 2/3 + 1/3·ℓ^(-1/2) 幂律衰减，阳性对照）、OW（Obizhaeva-Wang 指数韧性核）。中部为参数化点过程：CST（无记忆事件率）、NMZI（CST 加收益驱动的符号反馈）、Hawkes（自/交叉激发强度）、QR（队列反应强度）。下半部为五个神经 SSM 生成器：S5-120M、S5-4k、Mamba3、Mamba3-4k（2k 微调、4k 窗口）与 GDN，参数量 55M–120M，共享含 AMD 在内的八股语料（2022.1–2025.12，评估月 held out），500 或 4000 消息条件窗口。'Gen.' 列给出单次 build-up rollout 的墙钟时间：神经模型单张 H100 上 39 秒至约 12 分钟，参数化基线 CPU 约 4 秒。
基线面板的构造本身是方法贡献：从'不可能有冲击'的 Historic 到'写入目标物理'的 Propagator/OW，每级基线用来校准估计器的不同侧面；同时它记录了复现所需的全部模型配置与算力成本信息。