site: explain AttnRes spike path study

README.md

@@ -19,7 +19,7 @@
 
 当前里程碑包含 17 专题学习地图、486 篇关键论文索引、Kimi K3 完整导读，
 语言模型前史、Transformer 基础、表示/位置/残差、DeepSeek 技术谱系、Scaling Laws、数据工程、长上下文、MoE、指令微调与人类偏好、推理、工具使用与长程 Agent、原生多模态、训练系统、推理服务、数值优化，以及评测与安全深度专题，
-以及 99 个覆盖核心机制的原创交互视图。K3 二轮导读以 32 张问题账、16 图 / 5 表审计、
+以及 104 个覆盖核心机制的原创交互视图。K3 二轮导读以 32 张问题账、16 图 / 5 表审计、
 8 个交互实验和 100 个一手/官方节点，完整覆盖架构、预训练、后训练、系统、评测、案例与附录。
 第三轮已完成开放工件与首个真实 kernel 里程碑：固定官方模型与 FlashKDA revisions，审计 96 个 checkpoint shards、
 497,220 个 tensor entries、真实 KDA / MLA / MoE / MoonViT shapes 与小范围参数统计，并用 4 个新视图
@@ -52,6 +52,20 @@ peak allocated memory 约 2.2×，不冒充同算力优势。指定 depth-32 / B
 [K3_ATTNRES_GRADIENT_DEFINITION_AUDIT.md](./research/K3_ATTNRES_GRADIENT_DEFINITION_AUDIT.md)、
 [K3_ATTNRES_GRADIENT_SCALE_AUDIT.md](./research/K3_ATTNRES_GRADIENT_SCALE_AUDIT.md) 与
 [gradient experiment](./experiments/k3/attnres_gradient/)。
+第六轮冻结 `llm-atlas-k3-attnres-spike-path-v1`，严格复用 Round 05 的 depth-32 Block
+训练格，在 optimizer 之外追踪六个 checkpoint、六个 block 内张量位置与四种预注册
+reduction，并在同一前向值下比较 learned、detached-learned 与 uniform-value-backward
+三条反向规则。layer 21–25 的 post-MLP contrast 在 step 500 仍仅为三 seed 平均 `0.524×`，
+到 step 2,000 升至 `2.233×`，说明尖峰在训练中形成；六个位置全部在 3/3 seed 可见，
+四种 reduction 的 12/12 格同时通过 contrast、top-5 overlap 与 Spearman 闸门。
+切断全局 softmax/query/key 源梯度后 contrast 反而平均增加约 2.0%；把 learned
+value-backward coefficients 换成均匀系数后，contrast 平均下降 `70.2%`、peak/mean
+下降 `37.0%`，三 seed 都达到预注册材料级敏感性阈值。该结果只支持全局反向路径敏感性，
+不冒充训练变体、因果贡献百分比或局部 mixer 归因。正式三格与完整 replay 共
+262,144,000 target bytes，Round 05 等价字段与 16 组 replay 字段全部 exact。详见
+[K3_ATTNRES_SPIKE_PROTOCOL.md](./research/K3_ATTNRES_SPIKE_PROTOCOL.md)、
+[K3_ATTNRES_SPIKE_AUDIT.md](./research/K3_ATTNRES_SPIKE_AUDIT.md) 与
+[spike-path experiment](./experiments/k3/attnres_spike/)。
 DeepSeek 八轮专题以 24 张问题账、10 次技术转向、
 22 个交互实验和 60 个一手/官方节点，串起 Dense、MoE、MLA、V3 协同、R1 与 V4；
 并固定官方 V2-Lite revision，在 RTX 5090 上连续执行 7/27 层，记录 3,240 次真实专家选择、