重新理解 RankMixer：扩参为什么有效，又为什么划算？

RankMixer 通过语义特征分组、独立 per-token FFN 与多头 token mixing 结构，使模型扩参后仍能持续提升推荐精度。生产部署中，RankMixer-1B 相比旧模型 OnlineBase-16M 参数量增加约 70 倍，MFU 从 4.47% 提升至 44.57%，延迟基本保持。