Update README.md

README.md

@@ -38,7 +38,7 @@ consumes:
 
 and outputs the teacher-equivalent representation `[1, S_T, 5376]`. Because the
 output lives in the same space as the teacher's post-refiner embeddings, the DiT
-consumes it directly — **no changes to the DiT forward pass, no black frames.**
+consumes it directly
 
 ## Architecture
 
@@ -86,8 +86,6 @@ Held-out 1,002 prompts (disjoint from train):
 | **MSE** | 0.8162 |
 | **norm_ratio** (pred/target scale) | 1.013 |
 
-Verified end-to-end: ComfyUI T2V generation with the adapter matches the prompt
-content (no black frames, no semantic mismatch).
 
 ## Usage
 
@@ -121,7 +119,6 @@ Use with the [ComfyUI-MiniMaxH3-Adapter] node: `MiniMaxH3AdapterLoader`
   or long cinematic prompts may drift from the 33B teacher.
 - Trained on generated prompt combinations (9-skill template), not in-the-wild
   caption distributions.
-- Unconditional/vision-input (image-to-video) conditioning is out of scope.
 - Intended for research / local use; check MiniMax-H3 terms of service.
 
 ## Training your own CondBridge
@@ -149,7 +146,7 @@ MiniMax-H3 视频生成用 33B 文本编码器（`condition_proj` + 2 层 `token
 | `student_hidden` | `[S_S, 2560]` | Qwen3.5-4B `hidden_states[-1]`（final-norm 后） |
 
 并输出与教师等价的表示 `[1, S_T, 5376]`。由于输出与教师的 post-refiner 嵌入
-处于同一空间，DiT 可直接消费——**无需改动 DiT 前向，无黑屏。**
+处于同一空间，DiT 可直接消费
 
 ## 模型架构
 
@@ -197,7 +194,6 @@ Held-out 1,002 条 prompt（与训练集不重叠）：
 | **MSE** | 0.8162 |
 | **norm_ratio**（预测/目标尺度） | 1.013 |
 
-端到端验证：ComfyUI T2V 生成内容与 prompt 对齐（无黑屏、无语义错位）。
 
 ## 使用方法
 
@@ -223,14 +219,12 @@ embeds = adapter(torch.tensor([h3_ids]), student_hidden.unsqueeze(0))  # [1, S_T
 
 配合 [ComfyUI-MiniMaxH3-Adapter] 节点使用：`MiniMaxH3AdapterLoader`
 （学生目录 + 适配器 .safetensors）→ 接入官方 `MiniMaxH3ImageToVideo` 节点。
-节点把适配器封装成鸭子类型 CLIP。
 
 ## 局限性
 
 - 蒸馏保真度受限于学生（Qwen3.5-4B）：复杂多镜头或长电影级 prompt 可能
   偏离 33B 教师
 - 训练数据是生成的 prompt 组合（9 类技能模板），非真实世界字幕分布
-- 不支持无条件 / 图像输入（图生视频）条件化
 - 面向研究 / 本地使用；请遵守 MiniMax-H3 服务条款
 
 # 我自己想训练一个CondBridge