LLM_fully_correlated_posteriors：在 SmolLM2 上实现完全相关投影后验

该开源仓库将论文《Bayes without Underfitting》（Miani, Roy & Hauberg，arXiv:2410.16901）应用于 SmolLM2-135M，先做 LoRA 微调（P=460,800），再从完全相关投影后验采样不确定性。因因果语言模型的完整雅可比矩阵不可逆，实现改用 §4.1 的 loss-Jacobian 变体；当 R×P 可放进内存时精确 SVD 路径比交替投影快约 1000x（残差 4.3e-08），token 模式下则只能用交替投影（采样约 22 GPU 小时）。评测涵盖 BMA NLL、accuracy、ECE、OOD AUROC 等指标。