diff --git a/README.md b/README.md
index 278c733..56ce0eb 100644
--- a/README.md
+++ b/README.md
@@ -167,6 +167,8 @@ uv run python scripts/profile_inference.py --config configs/train/baseline.yaml
 
 ## 未分类样本的无监督聚类
 
+### 调用 ImageNet 预训练模型
+
 `data/film` 里大量样本还没人工分完。这条流水线把目录下**所有图片拉平**（不看任何
 目录名），做无监督聚类，产出可人工核对的分组：
 
diff --git a/configs/cluster/film.yaml b/configs/cluster/film.yaml
index a9663fc..d0f5390 100644
--- a/configs/cluster/film.yaml
+++ b/configs/cluster/film.yaml
@@ -72,7 +72,7 @@ dataset:
     - {name: PerImageStandardize}            # 逐图 z-score，抹掉整体亮度/对比度
 
 loader:
-  batch_size: 64
+  batch_size: 128
   num_workers: 8
 
 # method=simclr 时每个视图各自过一遍的随机增强（正样本对就是同一张图的两个视图）
@@ -95,7 +95,7 @@ simclr:
     block: dw
   feature_stages: null          # tiny_conv 不是 nn.Sequential，取最终输出
   epochs: 100
-  batch_size: 256
+  batch_size: 128
   temperature: 0.2              # 越小越关注难负样本
   amp: auto                     # CUDA 上开、MPS 上关
   save_interval: 5              # 每 5 个 epoch 落一次盘，中途中断也能拿到权重
@@ -121,4 +121,4 @@ simclr:
 
 # 输出：每簇软链多少张图 / 预览拼图放多少张
 link_limit: 300
-preview_count: 25
+preview_count: 100