Implement bounded streaming CPU functional reuse pilot

docs/CPU_FIRST_VALIDATION.md

@@ -28,7 +28,7 @@ NumPy 2.5.4，OPENBLAS_NUM_THREADS=1、OMP_NUM_THREADS=1，远程 timeout 60 秒
    使用受信任的算子实现及小数组正确性检查；模型仓库代码不直接执行。
    先确认首个短样本能以受控内存运行。不用不正确的“简化 Qwen”产生看似有价值的结果。
 2. **真实分布上的候选**：batch=1、32 tokens，校准和留出各 4 段真实文本。
-   按顺序加载、计算、释放每层，保留很小的入口激活；探测选定的 3 个 full-attention 层对和 2 个 MLP 对。
+   按顺序加载、计算、释放每层，保留很小的入口激活；探测预先固定的 3 个 full-attention 层对、2 个 MLP 对，以及 6 个 full-attention 层内的 Q/K 归一化模块对，共 11 对。
    每对在两个来源层的隐藏输入上分别测试，记录 JS、top-k、完整分支输出误差。
 3. **最小干预证据**：最多对 1 个候选做单处替换；冻结参数，在留出文本上看输出变化，
    条件允许时流式计算 token NLL。词表输出头分块归约 logsumexp，避免一次物化大 logits。
@@ -48,8 +48,22 @@ NumPy 2.5.4，OPENBLAS_NUM_THREADS=1、OMP_NUM_THREADS=1，远程 timeout 60 秒
 - 先实现最小正确路径；线性状态递推、长上下文和生成速度不塞入首轮。
 - 总计算 120 分钟，阶段预算见功能方案；无候选、超时或数值/实现核对失败均停止。
 - 容量探测已完成，真实模型阶段尚未执行。后续需要恢复本实验自有的固定 revision 权重，
-  分析后按既有规则校验归档并删除；不增加模型规模或自动租用 GPU。
+  权重持续保留，只有用户明确要求删除时才清理；不增加模型规模或自动租用 GPU。
 
 CPU 上“找到输出接近的候选”能支持继续投入 GPU；
 “在指定小样本中单处复用保持质量且节省明确资源”才是初步正例。
 两者都不能替代大规模能力验证。CPU 时延不外推为 GPU 加速率。
+
+## 当前权重保留规则
+
+用户于 2026-11-09 明确要求：本轮模型权重保留，只有用户明确要求删除时才删除。
+试验完成、超时、失败、归档或结果校验均不得自动触发清理。该要求覆盖先前逐模型分析后删除的约定。
+上一轮已删除的历史记录保留；本轮恢复下载的权重受新规则保护。
+
+## 本轮执行补充
+
+实际实验分支为 `codex/cpu-reuse-experiment`。在读取真实权重/功能指标前，新增固定的
+6 个层内 Q/K RMSNorm 增益共享候选，以检查较小粒度的功能复用；不是看过留出结果后扩充搜索。
+最多选择一个候选，必须分别验证两个替换方向；完整模块失败不会被小模块通过所掩盖。
+归一化共享最多节省少量字节，不预设能显著减少计算。
+采集真实隐藏输入必须正确执行前置线性注意力；它不进入首轮复用候选，但其递推计算纳入官方参考对照。