从转动旋钮，到让模型自己调焦

SPR-087 做的是一项冻结实验：固定训练完成的 TreeHeap-106M，逐档改变 FOLD parent 的尺度，然后直接看 Decoder 生成什么。

它观察到了三个事实：

1. 尺度过低时，部分输出为空或只剩短片段；
2. 中间存在连续的稳定成句区；
3. 尺度过高时，递归越深，越容易长度膨胀、重复并失去 EOS。

depth 6 和 depth 7 的字符相似度焦点还开始聚集到 0.707..0.8。但这仍然只是研究者 替模型转动旋钮。它没有回答更关键的问题：

如果把旋钮接上梯度，TreeHeap 能不能自己学会调焦？

这就是 F02 的目标。

最小训练原型：只增加三个参数

我们没有立即加入样本级控制网络。那会同时改变容量、路由和优化空间，即使结果变好，也 很难知道究竟是不是焦距在起作用。

F02 只给 depth 5、6、7 各增加一个坐标，共三个可训练参数。尺度写成：

u_d = tanh(theta_d)

s_d = sqrt(0.5) + (1 - sqrt(0.5)) * u_d,  u_d >= 0
s_d = sqrt(0.5) + sqrt(0.5) * u_d,        u_d < 0

parent = s_d * (left + right)

当 theta_d=0 时，尺度严格回到生产实现的 sqrt(0.5)。向两个方向移动时，尺度保持在 开区间 (0,1)，不会因为三个新参数直接把递归能量推到无界区域。

除了这三个坐标，TreeHeap-106M checkpoint 的旧参数全部冻结：

• source encoder 不更新；
• compressor 不更新；
• FOLD 之外的协议参数不更新；
• K_up 保持训练后的原生状态，但不更新；
• 语言 Decoder 不更新。

因此，训练后任何输出变化都只能来自三个深度焦距，而不是整个模型重新记住了一遍语料。

为什么训练仍然使用 token loss

F02 的主观察对象是直接 Decode，但焦距参数仍需要一个可信信号。当前最可靠的信号仍是 teacher-forced token cross entropy：它负责告诉三个旋钮梯度方向。

这不等于重新把 NLL 当作唯一结论。每个正式 wake 还会在锁定的 20 个显微镜标本上，对 三个 depth 直接生成文本，记录：

• 原始译文；
• formed rate；
• EOS rate；
• 输出长度与参考长度比；
• 相邻重复率；
• character-F2 diagnostic。

训练 loss 是推动旋钮的手，直接 Decode 才是我们透过目镜看到的图像。

第一次 smoke 为什么失败

初始 smoke taskd 370 确实完成了 30 steps，但被 P0 拒绝。失败不是 OOM，也不是生成 文本不同：直接文本逐字一致，基座哈希、三层梯度和 reload 都正常。

问题出在最初的参数化：

s = sigmoid(logit(sqrt(0.5)))

数学上它等于 sqrt(0.5)，但 float32 经过逆函数往返后产生了微小舍入，step-0 NLL 相差 3.110864e-8，超过预注册的 1e-9 同函数门。

我们没有把门槛改宽，也没有删除失败记录。r1 改为以 sqrt(0.5) 为绝对零点的双侧坐标， 使 theta=0 不再经过逆函数往返。

这个失败很小，但值得留下：当实验只研究三个标量时，起点的微小不一致也可能被误认成 训练收益。

Smoke r1：梯度已经到达焦距

修正后的 taskd 371 跑满 30 steps，全部安全门通过：

30 步后的尺度已经出现分化：

valid mean NLL 暂时改善 0.00102895。两个 smoke 标本的字符 F2 没有变化，所以现在只能 说“梯度能够调焦”，还不能说“调焦改善了翻译”。

正式训练合同

正式 taskd 372 已启动，合同固定为：

• TreeHeap-106M pass-2 checkpoint；
• 只训练三个焦距坐标；
• batch 64；
• 固定 5,000 steps；
• 约 32 万条训练样本暴露；
• depth 5/6/7 循环训练；
• 每 500 steps 保存 wake、直接译文与小型 focus checkpoint；
• 质量曲线即使非单调也不提前停止。

只有 OOM、CUDA/Xid、NaN/Inf、基座哈希改变、reload 损坏、270W 功率限制解除或 step 停止推进，才允许中断。

我们准备怎样判断结果

F02 不要求三个尺度必须朝某个预想方向运动。正式结果分四层解释：

1. 三个参数是否持续收到有限梯度；
2. 任意两个最终尺度是否相差至少 0.02，形成可测的深度分化；
3. 固定 valid mean NLL 是否改善至少 0.01；
4. 20 句直接 Decode 的字符 F2 是否改善，同时 formed 与 EOS 不明显退化。

如果 NLL 改善而直接文本退化，这不是成功，也不是废数据，而是一笔明确的交换。如果三个 尺度最终重新靠拢，则说明当前 token loss 更偏好共享焦距。如果它们继续分开，我们才得到 “递归深度会训练出不同观察尺度”的第一阶证据。

边界

F02 不是完整的自适应显微镜。三个参数只看递归深度，不看输入句子、类别或当前隐态；它也 没有联合训练新的语义压缩目标。

这一级阶梯只回答一个问题：

在冻结 TreeHeap 其余部分以后，梯度能否让不同递归深度主动选择自己的 FOLD 焦距，并 在直接生成中留下可见、可复现的变化？

答案等 taskd 372 跑完以后再写。失败记录、每个 wake 和原始译文都会保留。

License: GPLv3。本文中的可学习焦距参数化、实验合同、失败记录和 ARA evidence 按项目 许可证公开，欢迎复现、批评与提出反证。