dlm9b-intent-routing-prototype — 本仓库不提供任何模型权重

文档版本：v1.2（M2 真实后端证据版，2026-11-05；v1.1 为 M1 可复现版，v1.0 为 M0 研究归档版） 适用对象：dlm9b-intent-routing-prototype v0.3.0-backend-evidence 代码与完整文档：https://github.com/kialajin-l/dlm9b-intent-routing-prototype 本仓库内容：模型卡（本文件）+ 发布包 zip（dlm9b-intent-routing-prototype-v0.2.0-reproducible.zip 与 dlm9b-intent-routing-prototype-v0.3.0-backend-evidence.zip）+ THIRD_PARTY_NOTICES.md M2 增量：真实后端逐产物追溯表（模型/revision/seed/参数/哈希/资源）、媒体许可逐条确认、前置条件与失败处理说明、追溯校验工具 scripts/eval/trace_evidence.py；详见发布包内 docs/reports/release-v0.3.0-backend-evidence.md

0. 请先读这一段

本仓库不是一个模型。 本仓库不含任何权重文件（.gguf / .safetensors / .pt / .pth）， 也不提供任何可下载的模型制品。它归档的是一个全模态意图分流验证原型的软件工程与实验记录： 统一入口 + 任务协议 + 意图解析 + 记忆/条件处理 + 调度器 + 三个独立后端适配器 + 校验器 + 结果留档。

如果你在寻找「一个能同时生成文本、图像、视频的统一模型」，本仓库没有这个东西。 文本、图像、视频分别由此前已公开发布的三个独立模型产出，本项目只负责把它们接成一条可审计的链路。

1. 八条必须声明（逐条对应发布方案 §6）

1. 本项目是什么：意图解析、任务分流与多后端调度的验证原型，交付物是代码、配置、测试与实验报告。
2. 三后端互相独立：TEXT / IMAGE / VIDEO 由三个独立后端分别生成，各自有自己的权重、推理图与采样解码流程； 不存在单一统一生成模型，也不存在跨模态共享的 latent 接口。
3. 没有本项目训练出的路由权重：当前不存在任何由本项目训练或微调得到的路由模型， 不存在任何项目自有 GGUF 转换产物。任何「本项目训练出一个统一模型」的说法都是错误的。
4. 公开权重与许可归上游：所用模型（MiMo 9B、sd-turbo、AnimateDiff-Lightning、epiCRealism、Lance_3B） 均为第三方公开发布，许可证由各上游项目持有；本仓库的 Apache-2.0 只覆盖本项目编写的代码， 不自动授予任何第三方权重、数据或生成内容的商用权利。详见 THIRD_PARTY_NOTICES.md。
5. VIDEO 证据要分两类看：
   • 独立 VIDEO 后端（AnimateDiff-Lightning + epiCRealism）路径有真实 MP4 运行证据（T2 阶段 160 runs 工程验证）；
   • Lance 统一模型的 VIDEO 生成路径未完成验证：Gate0 判定本地 12GB 资源不足（官方口径 ≥40GB VRAM）， 云端 E2 计划经完整准备后于 round 96 归档，未产生任何云端费用，也未产生任何统一模型视频证据。
6. 记忆机制：工程链路已验证，质量收益未证明：召回、注入、冲突拦截、无关记忆零召回四件事均有运行记录； 但「记忆注入让生成结果变好」这一条证据不足——T2 的 CLIP 相似度判据在 320 runs 上饱和（全过、bootstrap Δ=0）， 构成判据天花板。质量收益既未被证明，也未被证伪，属本项目唯一遗留科学问题。
7. 结果边界：所有结论来自 12GB 单卡消费级硬件、有限样本（4–16 用例 × 4–5 重复的规模）、 固定模型 revision 与固定 seed 的一次性执行窗口（2026-10-14 → 2026-10-20）。 不代表通用性能，不构成生产可用性、稳定性或商用许可的任何保证。
8. 使用者自负合规责任：使用者须自行核对所用模型、数据、代码与生成内容的许可证与法律责任， 尤其是 sd-turbo 的非商用研究许可与 RAIL-M 系条款。

2. 已验证 / 未验证 / 不应宣称

分类	内容
已验证	统一入口与 TaskSpec 协议；调度器 fail-closed 与能力优先路由；子进程隔离超时终止；三后端真实调用与替换追溯；记忆召回/注入/冲突拦截/无关零召回；封存验证集与预注册判据方法学；12GB 驻留与内存纪律方案
部分验证	单条记忆对正确/错误条件的效应 +1.0（R2.2，仅 4 用例 × 5 重复）；公开统一模型 Lance 的 TEXT/IMAGE 与结构五条件（E1 范围内）
未验证	Lance 统一模型的 VIDEO 路径；记忆机制的生成质量收益；原创小统一模型；意图解析在生产分布上的准确率
不应宣称	统一模型已实现；本项目训练出模型；存在项目自有 GGUF；记忆提升质量；可商用；结果可泛化

完整清单见发布包内 docs/limitations.md。

3. 数据与产物

• 实验运行记录：发布包内 experiments/**（结构化 JSON/CSV/MD，约 5200 个运行元数据文件）。
• 样例图像与视频：发布包不内嵌，只在 artifacts-index/ 提供逐文件清单（路径、大小、SHA-256、所属实验批次）。 原因：样例媒体约 309 MB，其再分发条件受上游模型许可证约束；M2 已完成 771 个媒体文件的逐条许可确认 （结论：均可在研究复现语境下引用，见发布包内 docs/reports/M2-媒体许可逐条确认.md），但发布包仍保持媒体仅索引、不上传媒体本体。
• 原始权重缓存：位于项目仓库之外，不在本仓库、不在发布包、不上传任何平台。

4. 引用与联系

引用方式见发布包内 CITATION.cff。发布流程、里程碑边界与禁止事项见 发布包内 docs/reports/公开发布与里程碑执行方案.md。

5. 快速开始（研究复现用途）

# 解开发布包后，在包根目录：
python -m venv .venv-offline && source .venv-offline/bin/activate   # Windows: .venv-offline\Scripts\activate
pip install -r env/locks/lock-offline.txt     # 14 项离线最小依赖，无 torch，Python 3.11 / 3.13 实测通过

python -m pytest -q                           # 期望（v0.3.0 包）：191 passed, 1 skipped, 4 deselected
python scripts/demo_offline.py                # 一键演示：19/19 checks → DEMO PASS（stub 后端，不联网、不占显存）
python scripts/eval/trace_evidence.py --artifacts artifacts --md-out out.md   # 逐产物追溯表生成（包内无 manifests 基准时 crosscheck 记 SKIPPED）

真实后端（需本地模型/网络/显卡）与完整追溯见发布包内 docs/reproduction.md。