docs: трек B валиден — масштабная граница закрыта (нейтральность ΔBPT держится на 12L/d768, 3/3 конфигураций)

Author: gHashTag

research/gfplus_line/v2scale_gpu_seed_ckpt_scale.md

@@ -36,24 +36,40 @@ train loss упал до **0.0088**, FP32 BPT=**0.00606** → модель пе
 валиден только при baseline BPT ≥ 1.0. В скрипт добавлен GUARD:
 `baseline_valid` в meta + предупреждение при FP32 BPT < 1.0.
 
-## Трек B — масштаб (NL=12, DMODEL=768) — OOM → пофикшено
+## Трек B — масштаб (NL=12, DMODEL=768) — ВАЛИДНЫЙ (OOM пофикшен)
 
-Первый прогон: `torch.OutOfMemoryError` (31.37 ГБ, tried 576 MiB) на forward
-FFN. Причина: BATCH=48/SEQ=1024 фиксированы. Фикс в скрипте:
+Первый прогон: `torch.OutOfMemoryError` (31.37 ГБ). Фикс:
 `PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True` + авто-бюджет BATCH
-(`_budget=9*512*48*1024 / (NL*D*1024)`) → для NL=12/d=768 авто BATCH=24;
-базовый NL=9/d=512 остаётся BATCH=48 (прошлые числа не меняются). Также
-BATCH/SEQ теперь env-override. **Прогон трека B — за пользователем** (тот же
-скрипт после git pull).
-
-## Свод (2 из 3 конфигураций замерены)
-
-- **Обобщение по чекпоинту `[измерено — GPU]`:** нейтральность ΔBPT(Hessian−MSE)
-  по model-BPT держится и на STEPS=6000. Инвариант №18 (SQNR выхода слоя был
-  суррогатом, downstream-BPT нейтрален) — НЕ артефакт одной точки обучения.
-- **Обобщение по сиду:** seed=123 дал коллапс → не проверено; нужен здоровый
-  2-й сид (напр. seed=7 STEPS=6000). GUARD добавлен.
-- **Масштаб:** OOM пофикшен, замер на NL=12/d=768 ожидает прогона.
+(`9*512*48*1024/(NL*D*1024)`) → NL=12/d=768 авто BATCH=24. Повторный прогон
+дошёл до конца: loss=3.89, FP32 BPT=**5.66098**. 36 Linear, Hessian снят с 24/36.
+
+| bits | ΔBPT(Hessian−MSE, все FFN) | ΔBPT(гибрид−MSE) |
+|---|---|---|
+| 4 | −0.00001 | +0.00063 |
+| 6 | +0.00000 | +0.00009 |
+| 8 | +0.00000 | −0.00001 |
+
+Все |ΔBPT| на 3–4 порядка ниже порога 0.0195. Нейтральность вектора 2 по
+model-BPT **держится и на более крупной модели**.
+
+## Свод (3 из 3 конфигураций замерены — обобщение завершено)
+
+| Конфиг | baseline BPT | max |ΔBPT| | Вывод |
+|---|---|---|---|
+| 9L/d512, 3000 шагов | 3.69 | 0.00022 | нейтрально |
+| 9L/d512, 6000 шагов (чекпоинт) | 5.26 | 0.00079 | нейтрально |
+| 12L/d768, 3000 шагов (масштаб) | 5.66 | 0.00063 | нейтрально |
+| 9L/d512, seed=123 | 0.006 | — | коллапс, отброшен |
+
+- **Обобщение по чекпоинту `[измерено — GPU]`:** нейтральность ΔBPT держится на
+  STEPS=6000.
+- **Обобщение по масштабу `[измерено — GPU]`:** держится и на 12L/d768; с ростом
+  модели маржа ещё сжимается (max |ΔBPT| 0.00079→0.00063).
+- **Главный вывод:** SQNR выхода слоя (инв. №18) — суррогат, НЕ переносится в
+  потери модели даже на более глубокой/широкой сети. НЕ артефакт одной точки
+  обучения по двум осям (чекпоинт + масштаб).
+- **Оговорка по сиду:** seed=123 дал коллапс → 2-й ЗДОРОВЫЙ сид не проверен;
+  нужен напр. seed=7 STEPS=6000. GUARD добавлен.
 
 ## Границы (BINDING)
 29M PTQ-прокси, НЕ official Parameter Golf; PTQ ≠ QAT; BPB = BPT/3.9 `[прокси]`