完整训练 step：时间与保存量到底花在哪里？

加载自然语言项目 seed 11 的最终权重，两个副本都转换为 CPU float64，并从相同的新 AdamW 状态开始。固定每批 4 个最多 96-token 窗口、相同的 batch 序列、全局有效 label 均值、裁剪阈值和更新次数。分块方案使用位置块 64、词表块 128，保留全部梯度贡献。

这份测量有 3 次预热和 12 次实测；每轮交替两个方案的先后顺序。计时期间不开启 profiler、保存张量 hooks 或逐事件分配审计。整个 step 允许分块浮点求和与 dense 存在舍入差；loss 和连续 15 次更新后的参数差先通过冻结门槛，随后才解释性能。

原始样本用于观察波动。逐阶段中位数来自不同次序位置，不能先相加再当作完整 step 中位数；切换到同一次样本时，各阶段之和应与该次总耗时一致。

完整报告保留所有阶段的 12 次样本、两种方法的连续更新误差、单独保存量测量，以及 3 次完整验证与 checkpoint 写入时间。下载包中的 profile/raw-step-times.json 可逐次核对阶段相加关系。