docs: 层 3 章节文档 docs/04（语义相似度 φ + MC 估计器，式3/4/5）

论文精读（§3.2.1-3.2.2 式3/4/5）+ 参考实现解剖（带行号）+ 保留/替代/删除 + E1-E3
重构任务 + 验证方式。核心：logit-free 支点（比文本非比 logits）、Dirichlet 贝叶斯
π̂ 反塌缩、detach 命门（层 2 §4.1 姊妹篇）。解剖抓出参考实现三处不一致（φ 比文本
vs 比 token id、rouge1 集合 vs 多重集）作重构清理依据。roadmap 存档点/索引同步。

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

docs/00-roadmap.md

@@ -8,7 +8,7 @@
 > 每次断点（层完成/工作暂停）更新此节。恢复上下文时：读 CLAUDE.md → 本节 → 对应章节文档。
 
 - **日期**: 2026-07-19
-- **当前层**: 层 2（white-box OPD）**✅ 已关账**；下一步进层 3（相似度 + MC 估计器）
+- **当前层**: 层 3（相似度 φ + MC 估计器），**学习阶段**——docs/04 已写待读；E1-E3 待精读后动代码。层 3 全本地 CPU 纯逻辑，不碰 GPU/远程。E1 similarity.py（式3 φ+k_sem）、E2 estimator.py（式4 π̄ detach + 式5 π̂）、E3 test_estimator_detach.py 接真实现。层 2 ✅ 已关账（判据见下）
 - **层 2 代码构成**: U1 DistillConfig（configs.py，两温度分名/三处刻意缺席/max_grad_norm 显式化）；U2 token_divergence + 梯度爆炸单测（trainer.py，全词表 KL/JSD）；U3 SFTCollator prompt_only 模式（data.py）；U4 DistillTrainer + build_generated_batch（trainer.py，生成→双前向→divergence）；U5 train_whitebox.py/.sh（full/sanity/noclip 三模式）。附带：load_sft_dataset 毛刺已磨平（改吃散装参数）；hf-mirror 不代理 Xet CAS → HF_HUB_DISABLE_XET=1
 - **层 2 关账判据全过**（详见 docs/03 §6.1 实证）: 66 单测全绿；B=4/T=2048 **实测不 OOM**（§5 估算成立）；两次远程跑（sanity 裁到 1.0 / noclip ≈关裁剪+lr5×）均平稳、不 NaN、生成不塌（num_gen ~1900-4096）、loss 0.35→0.21 下降；checkpoint 存下
 - **层 2 关键发现（勘误"预期见毛刺"）**: §4.1 梯度爆炸是真机制（U2 单测坐实单 token π_T→0 暴涨），但真实训练**高度阻尼**——同门 teacher + per-token mean 摊平，batch 级 grad_norm 峰值仅 ~14 且只降不升，关裁剪也不炸。启示：`grad_norm` 日志是**裁剪前**值（14→2 那串即爆炸证据，被 HF 默认 max_grad_norm=1.0 静默压平，现已显式化）；层 5 有界乘子 π̂ 真正杀手锏是 **logit-free**（白盒的同 tokenizer 约束把你锁在温和区间）
@@ -41,7 +41,7 @@
 | `01-paper-code-map.md` | 论文 §3-§4 精读 + 参考实现全景解剖 + 概念↔代码对照表 | ✅ |
 | `02-sft-baseline.md` | 层 1：SFT 与数据管线 | ✅ 待读 |
 | `03-whitebox-opd.md` | 层 2：token 级 KL 蒸馏及其脆弱性（含 §6.1 远程实证） | ✅ 已关账 |
-| `04-mc-estimator.md` | 层 3：MC 估计 + 贝叶斯平滑 | ⬜ |
+| `04-mc-estimator.md` | 层 3：语义相似度 φ + MC 估计 + 贝叶斯平滑（式3/4/5） | ✅ 待读 |
 | `05-entropy-chunking.md` | 层 4：熵调度 | ⬜ |
 | `06-omniopd-full.md` | 层 5：完整损失与 teacher 客户端 | ⬜ |
 | `07-eval-ablation.md` | 层 6：评测与消融 | ⬜ |