experiments/slots.md

预注册分析：长期槽在干什么

写于分析之前（2026-11-01）。跑完只追加结果，不改这一节。用 experiments/out/diag_*.npz（T64 / T64-ema / T256 各 3 种子）。

矛盾：T64 模型写入只有 6.1% 落在半衰期 > 16 字的槽；但消融里去掉分层初始化变差 0.051。

三个可区分的假设

• H9 读取端在用：长期槽虽然写得少，但读地址落在长期槽上的占比明显高于写占比（读占比 ≥ 2 × 写占比）。 → 长期槽像"慢变的背景"，少量写入、持续读取。
• H10 中期槽才是关键：分层初始化的作用主要来自半衰期 464 字的槽，不是 > 64 的；读写都集中在 464 桶（该桶读 + 写占比合计 > 50%）。
• H11 训练长度决定长期槽的使用：T256 模型在 > 16 字桶上的写占比 ≥ 2 × T64 的。 来源：diagnose 里 T256 远处 loss 明显更好，推测它学会了用更长的槽。

判定：3 个种子平均；各桶占比按所有层、所有头的平均。H9 / H11 的"2 倍"是无依据的整数阈值，仅作记录； 同时报告原始占比，让读者自己看。

结果（分析之后写）

验证集 4 条 × 2048 字递推；占比 = 该桶内所有槽的地址权重之和（读 / 写各自归一化），层和头平均，3 个种子平均。

条件	量	半衰期 0~4	半衰期 4~16	半衰期 16~64	半衰期 64~∞
T64	读	0.703	0.120	0.127	0.050
T64	写	0.815	0.122	0.058	0.006
T64-ema	读	0.524	0.149	0.167	0.159
T64-ema	写	0.925	0.060	0.014	0.001
T256	读	0.660	0.180	0.152	0.008
T256	写	0.696	0.167	0.135	0.001

判定（按预注册的标准）

• H9 读取端在用长期槽：> 16 字桶 读 0.177 vs 写 0.064 → 成立（2 倍阈值无依据，仅作记录）
• H10 中期槽是关键：4~64 字桶 读写平均占比 0.213 > 0.5 → 不成立
• H11 训练长度 256 更用长期槽：> 16 字桶写占比 T256 0.136 vs T64 0.064 → 成立（2 倍阈值无依据，仅作记录）