research: lock reduced AttnRes model contract

research/K3_ATTNRES_REDUCED_PROTOCOL.md

@@ -111,21 +111,29 @@ manifest 必须记录：
 | positional embedding | learned absolute, 256 × 192 |
 | norm | RMSNorm, `eps=1e-6` |
 | attention | causal multi-head softmax，score 用 FP32 softmax |
+| MLP | bias-free SwiGLU，two `192→768` projections + one `768→192` projection |
 | input/output embedding | tied |
+| final readout | RMSNorm 后乘 tied token embedding |
 
 三种 residual graph：
 
 1. **PreNorm baseline**：`h ← h + f(RMSNorm(h))`。
 2. **Full AttnRes**：每个 attention / MLP 子层从 embedding 与所有早期子层输出中，
-   以 `softmax(q_l^T RMSNorm(source))` 选出输入；当前分支输出成为下一个独立 source。
+   以 `softmax(q_l^T RMSNorm(source))` 选出输入；当前分支输出成为下一个独立 source；
+   32 个子层结束后用同型 output mixer 聚合 embedding + 32 个输出。
 3. **Block AttnRes**：32 个子层按顺序冻结为 8 块、每块 4 个子层；跨块保存 8 个 block
-   sums，块内使用 partial sum，embedding 永远是 source 0。
+   sums，块内使用 partial sum，embedding 永远是 source 0；最后用同型 output mixer 聚合
+   embedding + 8 个完整 block sums。
 
 AttnRes 每个子层增加：
 
 - 一个 `d_model` pseudo-query，初始化严格为 0；
 - 一个 `d_model` RMSNorm key weight，初始化严格为 1。
 
+Full / Block 各自再增加一组相同结构的 output mixer。所有 bias-free linear 与 embedding 使用
+`N(0, 0.02)`；attention output projection 与 MLP down projection 按
+`0.02 / sqrt(2 × 16)` 缩放初始化；普通 RMSNorm 为 1。
+
 核心 token / position embedding、attention、MLP、输入 norm 与 tied output weights 在同一 seed
 的三种架构中必须逐 tensor SHA-256 exact。AttnRes 额外参数与 mixer 运算如实报告，不通过
 无作用 dummy 参数伪造“完全等容量”。
@@ -266,4 +274,3 @@ src/data/k3-attnres-reduced-compact.json
 
 原始 parquet 与训练 checkpoint 留在本机 cache，不进入公开仓库；manifest、原始指标 JSON、
 分析结果、代码、环境、checksum 和确定性复现账进入开源树。
-