保持性对宽度增长而言并不足够：稠密语言模型热启动的环境敏感选择

宽度扩展为复用更小的因果语言模型检查点提供了一条实用途径，但仅凭零步保持性并不能解决如何选择加宽热启动的问题。我们将稠密宽度增长视为在完整训练状态（包括复制权重、优化器动量与调度器状态）之上的候选选择问题。在一个小规模TinyStories代理实验中，我们在匹配的继续训练预算下比较精确复制、扰动式、非对称重置与结构化非克隆热启动。我们在确定性与随机两种环境中评估零步保持性、短滞后探测指标与下游继续训练效用。结果图景是混合的，并通过缩减候选池的seed-1检查得到部分复现。精确复制的对称热启动在每一个已完成的16步探测中、以及在seed-0第1000与2000步加上缩减版seed-1第2000步的已完成随机128步继续训练中均排名第一。相比之下，结构化非克隆挑战者在确定性128步继续训练中胜出。因此，尽早脱离继承的克隆子空间并非普适的选择标准：它在长程确定性继续训练中有帮助，但在短滞后和随机继续训练下会误导。这一结论适用范围虽窄但有用：在此规模的稠密宽度增长中，保持性不是普适的排序准则，最佳替换信号同时取决于环境与滞后预算。