docs: 轮次38——改正我自己写的(B)假设：线上安全层只做点检不含位移界；并记下 DAgger 采集同样是一步口径

docs/探索日志.md

@@ -816,10 +816,12 @@
 - **反直觉但自洽的一组数**：两段推理**开环更贴老师**（E1-b：0.43 vs 4.33）、**行程比更接近 1**（1.571 vs 2.445）、**到了的题还更快**（1.67 vs 2.31 s），但闭环到达掉 14.8 个百分点。逐题对照：108 题两者都到、**39 题只有 1 步能到、只有 1 题是 2 步独有** ⇒ 不是"换了一批题"，是同一批题里 1 步原本能做对的那部分被卡住了。
 - **卡点在安全层不在策略**：刹车从 19.25 → 86.3/题（4.5 倍），未到达组的刹车中位数从 45 → 176（几乎每步都被拒 ⇒ 原地冻结，末态误差 p50 也从 230 → 406 mm）。也就是说**发布的那 57.4% 是与"一步那套偏置且被削弱过的动作"共同标定出来的**：策略、反馈增益、认证口径、DAgger 采集分布四者都围着它。
 - **两种解释必须分开，否则下一步会走错**：
-  - (A) 两段动作确实更危险（位移更大 ⇒ 真的穿模）；
+  - (A) 两段动作确实更危险（一段更长 ⇒ 真的经过障碍附近）；
-  - (B) 认证过度保守（界随位移线性放大 ⇒ 明明安全的更大步也被拒）。
+  - (B) 拒绝来自口径而非几何。
-  判别实验：`--safety 0` 的 steps=1 vs steps=2 对照 + 候选多样性探针（两段积分是否把 K 条候选吸到一起，让安全层没有备选可退）+ steps 的 B=1 代价实测。脚本 `ml/runs/_safetyoff_ab.sh`，结果见下面补记。
+  **先把我自己写的 (B) 改正一次**：线上安全层里没有"位移界随步长放大"这回事——它只做点检（每步的端点 + 中点，`gaps(...).min(-1) > 0`，见 `ml/sim/closed_loop.py` 的 `okstep = ok6[:, :commit_n] & ok6[:, commit_n:]`）。确定性界只在我离线做的连续认证里用。所以 (B) 不可能以"界太松/太紧"的形式成立；能以 (B) 解释的只剩两种：**点检欠采样**（那会让它偏松而不是偏严）与**候选多样性塌了**（两段积分把 K 条候选吸到一起，没有备选可退）。
+  于是判别实验定为三件：`--safety 0` 的 steps=1 vs steps=2 对照（看真实碰撞率差多少 ⇒ (A) 的直接证据）、候选多样性探针、steps 的 B=1 代价实测。脚本 `ml/runs/_safetyoff_ab.sh`，结果见下面补记。
 - **对 K-MF 那条训练路线的直接含义**：把角点"训准"会让动作分布变成现在两段那样 ⇒ 按当前认证口径，到达率可能**先降**。所以训练不是下一步，先做 (A)/(B) 判别；若是 (B)，收紧认证（细分/更紧的界）比训模型便宜得多，而且是 50 Hz 也必须的那块。
+- **共同标定的第三处证据（回代码确认）**：`ml/dagger/collect.py:48` 调 `rollout` 时也不传 `steps` ⇒ DAgger 采集的状态分布同样是一步走出来的。所以"一步偏置的动作"同时被三处围着标定：策略微调数据、反馈增益、认证口径。改任一处都要另两处跟上，不能指望"只换推理段数"就白拿 10 倍开环增益。
 
 ## 分支清理（2026-10-20）