虽然 Pre-training 的 Loss 仅针对当前 Token 计算，但为了实现精准预测，模型的 Hidden States 必须隐含对后续内容的规划。这就像开车过弯，当下的操作虽只是转动方向盘，但大脑其实已经预判了未来几十米的轨迹。 从机制上看，推理 Next Two 时，历史的大部分 KV Cache ...