在标准模型（SM）和最小超对称标准模型（MSSM）中，从高能级（GUT）到低电弱（EW）规模存在跷跷板阈值效应的情况下，我们研究了不同混合场景下的重归一化组演化（RGE） 。 我们考虑了四种混合场景，分别是Tri–Bimaximal混合，Bimaximal混合，Hexagonal混合和Golden Ratio混合，它们来自GUT规模的不同风味对称性。 我们发现Majorana阶段在这些混合模式的RGE运行以及跷跷板阈值校正中起着重要作用。 当考虑跷跷板阈值校正时，我们对有和没有Majorana