错误 - 训练/推理对齐: ltx-trainer 和 ltx-core/ltx-pipelines 之间存在三个差异

摘要。在实现自定义序列连接条件方案时，我发现了三个地方，其中发布的训练器和发布的推理栈存在分歧。其中两个仅限于 ltx-trainer 本身 — 其训练路径与其验证运行程序。没有一个引发错误；所有三个都会默默地训练一个在采样时表现不同的模型。 1. σ 计划。ShiftedLogitNormalTimestepSampler 从实际序列长度（timestep_samplers.py:77,122）获得其偏移。在采样时，LTX2Scheduler.execute() 仅在传入 latent= 时应用等效偏移 — 而八个调用点中，恰好有一个这样做（ti2vid_two_stages_hq.py:267）。其他七个，包括训练器自己的 validation_runner.py:875，获得固定的 4096 个令牌默认值。在训练器的默认验证几何图形（960×544×89 → 6120 个令牌）时，训练时 σ 取值为 mu ≈ 2.77，而验证时取值为 mu = 2.05。 2. 关键帧掩码。在训练中从未设置 — 在所有五个策略文件中均没有 grep 结果，在 flexible.py:432-440 中构建的模态中没有它。在推理时总是设置（tools.py:184，无条件）。还由训练器自己的验证器设置（validation_runner.py:783,809）。代码默认值为 use_keyframes_abs_pos_embedding 为 False，这将使其无效 — 但 LTX 2.5 检查点都设置为 True（从 safetensors __metadata__ 中读取）。 3. 令牌顺序。训练时预先添加（flexible.py:665）并切割尾部（:680）；在推理时添加（reference_video_cond.py:97）并由每个消费者切割头部（clear_conditioning，_first_frame_keyframes_mask，build_attention_mask，多 GPU 填充）。对于模型来说，注意力是密集的，位置依赖于 RoPE，但两个部分的约定不同，因此在它们之间移植逻辑会默默失效，而不是在形状上。 我没有声称的内容：我尚未验证已发布的检查点是如何实际训练的（预训练代码不公开，因此内部训练可能与推理相匹配，只有发布的微调器出现分歧）；我尚未测量质量影响；#3 可能是故意的。