學習目標：當目標由模型自己產生，一個常數函數就能讓損失變成零。這個 demo 用一個線性模型（8 個傅立葉基底）跑自我一致性，三個開關分開：錨決定非平凡解存不存在、EMA 決定動力系統穩不穩、stop-gradient 兩件都不決定——它換掉的是那個向量場。

灰虛線＝真值 sin(2πx)（振幅 2.00）；實線＝訓練完的模型；實心點＝錨點

縱軸 log：一致性損失（藍）與模型輸出的振幅（紅）對步數；水平線＝真值振幅 2.00

觀察：沒有錨的時候，損失一路掉到 4.9e-14 而振幅也一路掉到 4.9e-6——模型塌成一條水平線，而損失曲線看起來一切正常。打開 stop-gradient 仍然塌（振幅 8.0e-3），加上 EMA 只是慢下來（0.56）：兩者都不是防塌陷的機制。把錨點數拉到 3 以上，模型立刻長回真值的形狀（到真值的均方誤差 1.1e-2）——讓非平凡解存在的是錨。（筆記裡那個設定下，stop-gradient 是往另一個方向壞掉、炸到 10⁷；這個線性 toy 的向量場剛好仍然是收縮的，所以它塌而不是炸。兩種都是同一個教訓：要監控的是振幅，不是損失。）