YFC-112358/Qwen3.8-27B-Della-Deckard-Fable-Qwopus-ColdFusion-v4

⚠️ 本次 v3 保留系数 W_V3 = 0.30(不是 1.00),输出为 Qwen3.6 + 0.30·T(Δ_v3) + 1.00·Δ_ColdFusion。由于 β = 1.00,基底已完全落在 Cold-Fusion(Qwen3.8)上,α 只决定叠加多少 3.6 侧的任务向量。α 取 0.30 是实测标定而非拍脑袋:构造前测得 Cold-Fusion 相对官方 Qwen3.8 的位移只有 ≈0.7%‖W‖(即 Cold-Fusion − Qwen3.6 里 98.7% 是代际差、仅 1.3% 是它自己的微调),而 Δ_v3 在 MLP 上约 13%‖W‖ 且与其近乎正交(实测 cos = +0.005)。α=1.00 会用 ≈15 倍的音量把 Cold-Fusion 的行为盖掉;α=0.30 落到 MLP 的位移 ≈ δ_CF 的 4.6 倍(T 截断前)。

🧩 配套 adapter:YFC-112358/Qwen3.8-27B-Della-Deckard-Fable-Qwopus-ColdFusion-v4-LoRA —— 第三阶段的 T(Δ_v3) 另存为秩-48 PEFT LoRA(α 是加载时旋钮:lora_alpha = α×48;本仓 ≡ Cold-Fusion + 0.30·该方向),可贴到任何 Qwen3.8 系模型。embed_tokens / lm_head 因内存上限未做 T、不在 adapter 内。

配方(可直接交给 mergekit)

实现上的诚实声明

1. 没有落盘 stage1-G。两阶段在同一个行块里连着算:先得到 G = base + Σ Δ̃ᵢ, 立即用它算出 Δ_G = G − base 进入第二阶段。数学上与先落盘再读完全等价 (fp32 全程),但省了 ≈54 GB 的上传+下载。
2. ε 自动收窄。mergekit 要求 density ± epsilon ∈ (0,1)；第一阶段的 0.85+0.30 越界会直接抛错。本模型逐源把 ε 收窄到合法上限(保留 0.02 余量),期望密度仍精确 等于各自的 density(fable 与 v2 的 density 都是 0.85 ⇒ ε 都被收窄到 0.13)。第二阶段两个源的 density 都是 1.00、不做剪枝, ε 自动归零 —— 那一段没有任何随机性。

融合健康读数(构造时实测)

使用

与原始配方的偏离(补充声明)

1. 第二阶段是纯线性叠加,不是 DELLA。 density: 1.00 让 MagPrune 退化成恒等映射(不排名、不伯努利采样、不 1/p 回缩),所以第二阶段严格等于 out = G + 1.00·(Qwopus − Qwen/Qwen3.6-27B),即 mergekit 的 task_arithmetic。这样做是因为逐源审计显示 Qwopus 相对祖先的增量集中在 MLP、幅度只有 0.2~0.8%:对这么小的增量再做 40% 剪枝,剪掉的是信号,留下的是噪声。
2. 第三阶段是跨代线性换锚,这是本模型最大的不确定性。 out = Cold-Fusion(基于 Qwen3.8) + (stage2 − Qwen3.6) 成立的前提是两代权重活在同一个基底里(即 3.8 是从 3.6 续训而来)。两代架构逐字段相同,因此形状检查、加载、推理都不会报错 —— 它出错的方式是安静地变笨。构造时实测 cold_amp = 0.1217,同基底微调的参照区间是 0.02~0.20;若该值接近 1.0,请把本模型当实验品。另外 Cold-Fusion-GAIN-V1.1 在构造时仍处于作者标注的 cook #1 / working title 阶段,其权重可能已被替换;想精确复现请指定 commit。
3. 没有做 TIES 符号选举(等价于 della_linear)。v2 与 Fable 的任务向量近乎正交(cos ≈ 0.01),选举会以 Fable 为多数方向,抹掉 v2 保留元素中的约一半(实测 kill 约 13%,量级正好是 v2 的一半),等于把 v2 的正交特征投影掉。为完整保留它,本次关闭选举。