exp+eval: 轮次51-52——2x2 补全 + 逐题老师用时落盘；1.3x 口径的时限收益其实是显著的

轮次51 (2x2 缺失格 K16+pre)：最好格 到达 0.5664 / 时限内 0.3594 / 2s误差比 0.1382 /
行程比 2.4142 / 碰撞 0 / 超VMAX 0。主效应：pre 在 K8 +6.64pp、K16 +6.25pp(时限)，
K16 在 endpoint +3.13pp、pre +2.73pp ⇒ 时限可加无交互；到达饱和(pre 在 K16 上净+1题 p=1.0)。
最好格 vs 历史控制逐题赢20丢9 净+11，McNemar p=0.061 ⇒ 到达仍未确立。

轮次52 (仪表)：dump 补 t_exp/tr_ref(题目属性，与臂无关 ⇒ 一条臂即可给全部历史臂补配对)。
改完落盘代码先自证行为未动：同配方控制臂 22/22 老键逐位相同；limit=2*t_exp 实测对上
⇒ "到达率自带 2x 时限"从推断变成实测。

逐题配对(vs K8 endpoint, 判据=ok 且 t_done<=1.3*t_exp)：
K16pre 27赢3丢 净+24 p=8.4e-6；K8pre 22/5 净+17 p=0.0015；门控5 23/6 p=0.0023；
门控20 22/6 p=0.0037；h=4 15/5 p=0.041；K16endpoint 17/9 p=0.169；h=8 11/7 p=0.481；
tie=1 3/0 p=0.25。
⇒ 自我纠正：轮次46-51 我一直拿 success(那道 2x 门)做配对，把"时限内"写成没有配对支持。
现在两栏分开：到达未确立(p>=0.06)，时限内已确立(p=0.0015/8.4e-6)。
副产物：K16+endpoint 的 +3.1pp 时限当初没有配对检验，实测 p=0.169 不显著，已在轮次52记下。

docs/experiment_round51_k16pre.json

@@ -0,0 +1,110 @@
+{
+  "config": {
+    "ckpt": "ml/runs/base_dag2_dag1/best.pt",
+    "samples": "ml/data/samples",
+    "tasks": null,
+    "split": "val",
+    "n": 256,
+    "K": 16,
+    "commit": 2,
+    "fb": 2.2,
+    "ki": 0.0,
+    "fb_scale": 0.0,
+    "fb_near": 0.2,
+    "fb_fallback": 0.0,
+    "kdecay": 0.9,
+    "kimax": 0.5,
+    "fb_every": 1,
+    "safety_try": 0,
+    "sel_w": 0.1,
+    "dls_safety": 1,
+    "fb_clear": 0.0,
+    "fb_cmin": 0.3,
+    "sub_refresh": 0,
+    "fb_block_gain": 0.5,
+    "dump": "ml/runs/round51_k16pre_rows.json",
+    "out": "docs/experiment_round51_k16pre.json",
+    "trace": null,
+    "select": "pre",
+    "replan": "empty",
+    "safety": 1,
+    "partial": 1,
+    "inc_cap": 1,
+    "gap_margin": 0.0,
+    "cert_batch": 1,
+    "steps": 1,
+    "z_scale": 1.0,
+    "len_w": 0.0,
+    "tie": 0,
+    "pre_h": 0,
+    "pre_near": 0.0,
+    "backoff": 0,
+    "max_sec": null,
+    "seed": 0,
+    "dls": "analytic",
+    "device": "cuda"
+  },
+  "batch_size": 256,
+  "batch_seed_rule": "same seed per batch",
+  "checkpoint_sha256": "f7f686fd8ee92fb6948fbcc4ee954636065ad87bb54f661c4f8f575bc16c2ce1",
+  "tasks_sha256": "249bd93457825cda98c59e64d9a096d3473c69aeb3553de1dea6d9e56be71772",
+  "kin_fp": "2ebcbf17",
+  "act_scale": 1.0,
+  "metrics": {
+    "n": 256,
+    "n_ref": 256,
+    "success": 0.56640625,
+    "collision_free_success": 0.56640625,
+    "time_ok_1p3": 0.359375,
+    "collision_rate": 0.0,
+    "collision_steps_mean": 0.0,
+    "travel_ratio_median": 2.414156198501587,
+    "time_mean_s": 2.265103578567505,
+    "brakes_mean": 14.1953125,
+    "start_fail": 0.0,
+    "goal_ratio_2s": 0.13815215229988098,
+    "err_fail_med": 184.40463256835938,
+    "err_success_med": 0.2881776690483093,
+    "dls_share": 0.64453125,
+    "time_budget": "teacher×2(≥3 s)",
+    "speed_ratio_p50": 1.0000016689300537,
+    "speed_ratio_p95": 1.0000101327896118,
+    "speed_ratio_max": 1.0000101327896118,
+    "over_vmax_rate": 0.0,
+    "accel_ratio_p95": 1.0000016689300537,
+    "accel_ratio_max": 1.0000101327896118,
+    "reverse_p50": 0.2373737394809723,
+    "reverse_mean": 0.2401755303144455,
+    "reverse_moving_p50": 0.27848100662231445,
+    "moving_share_p50": 0.9851852059364319,
+    "brake_rate_mean": 0.07279647886753082,
+    "brake_rate_p50": 0.0,
+    "brake_rate_p90": 0.27435898780822754,
+    "stuck_share": 0.171875,
+    "n_plans_mean": 195.0,
+    "success_reachable": 0.596707820892334,
+    "by_cat": {
+      "A": [
+        128,
+        100
+      ],
+      "B": [
+        74,
+        26
+      ],
+      "C": [
+        32,
+        12
+      ],
+      "D": [
+        13,
+        0
+      ],
+      "Dr": [
+        9,
+        7
+      ]
+    }
+  },
+  "simulation_wall_s": 486.8652108999959
+}

docs/experiment_round52_ctl_ex.json

@@ -0,0 +1,110 @@
+{
+  "config": {
+    "ckpt": "ml/runs/base_dag2_dag1/best.pt",
+    "samples": "ml/data/samples",
+    "tasks": null,
+    "split": "val",
+    "n": 256,
+    "K": 8,
+    "commit": 2,
+    "fb": 2.2,
+    "ki": 0.0,
+    "fb_scale": 0.0,
+    "fb_near": 0.2,
+    "fb_fallback": 0.0,
+    "kdecay": 0.9,
+    "kimax": 0.5,
+    "fb_every": 1,
+    "safety_try": 0,
+    "sel_w": 0.1,
+    "dls_safety": 1,
+    "fb_clear": 0.0,
+    "fb_cmin": 0.3,
+    "sub_refresh": 0,
+    "fb_block_gain": 0.5,
+    "dump": "ml/runs/round52_ctl_ex_rows.json",
+    "out": "docs/experiment_round52_ctl_ex.json",
+    "trace": null,
+    "select": "endpoint",
+    "replan": "empty",
+    "safety": 1,
+    "partial": 1,
+    "inc_cap": 1,
+    "gap_margin": 0.0,
+    "cert_batch": 1,
+    "steps": 1,
+    "z_scale": 1.0,
+    "len_w": 0.0,
+    "tie": 0,
+    "pre_h": 0,
+    "pre_near": 0.0,
+    "backoff": 0,
+    "max_sec": null,
+    "seed": 0,
+    "dls": "analytic",
+    "device": "cuda"
+  },
+  "batch_size": 256,
+  "batch_seed_rule": "same seed per batch",
+  "checkpoint_sha256": "f7f686fd8ee92fb6948fbcc4ee954636065ad87bb54f661c4f8f575bc16c2ce1",
+  "tasks_sha256": "249bd93457825cda98c59e64d9a096d3473c69aeb3553de1dea6d9e56be71772",
+  "kin_fp": "2ebcbf17",
+  "act_scale": 1.0,
+  "metrics": {
+    "n": 256,
+    "n_ref": 256,
+    "success": 0.5234375,
+    "collision_free_success": 0.5234375,
+    "time_ok_1p3": 0.265625,
+    "collision_rate": 0.0,
+    "collision_steps_mean": 0.0,
+    "travel_ratio_median": 2.615795850753784,
+    "time_mean_s": 2.486567258834839,
+    "brakes_mean": 19.5546875,
+    "start_fail": 0.0,
+    "goal_ratio_2s": 0.27920001745224,
+    "err_fail_med": 204.71360778808594,
+    "err_success_med": 0.21751396358013153,
+    "dls_share": 0.61328125,
+    "time_budget": "teacher×2(≥3 s)",
+    "speed_ratio_p50": 1.0000016689300537,
+    "speed_ratio_p95": 1.0000101327896118,
+    "speed_ratio_max": 1.0000101327896118,
+    "over_vmax_rate": 0.0,
+    "accel_ratio_p95": 1.0000016689300537,
+    "accel_ratio_max": 1.0000101327896118,
+    "reverse_p50": 0.24741201102733612,
+    "reverse_mean": 0.25991496443748474,
+    "reverse_moving_p50": 0.32581019401550293,
+    "moving_share_p50": 0.9587156176567078,
+    "brake_rate_mean": 0.10028044879436493,
+    "brake_rate_p50": 0.0051282052882015705,
+    "brake_rate_p90": 0.3153846263885498,
+    "stuck_share": 0.234375,
+    "n_plans_mean": 195.0,
+    "success_reachable": 0.5514403581619263,
+    "by_cat": {
+      "A": [
+        128,
+        96
+      ],
+      "B": [
+        74,
+        20
+      ],
+      "C": [
+        32,
+        11
+      ],
+      "D": [
+        13,
+        0
+      ],
+      "Dr": [
+        9,
+        7
+      ]
+    }
+  },
+  "simulation_wall_s": 296.3142095999938
+}

docs/探索日志.md

@@ -20,7 +20,8 @@
 - **当前最好（n=256 val，同 seed 同批）**：`ml/runs/base_dag2_dag1/best.pt` + `K=8, select=endpoint, replan=empty, commit_n=2, fb=2.2, fb_block_gain=0.5, dls_safety=1, safety=1` → **到达 57.4%、无碰撞到达 57.4%、时限内(≤1.3×老师) 39.1%、刹停 19.25/题、行程比 2.445、2 s 误差比 0.210**（轮次 33 base）。
   - **但这组数含超速**：`speed_ratio_p50=1.660`、`over_vmax_rate=1.000` ⇒ 每轴实际最大速度是 VMAX 的 1.66 倍（反馈叠在 ±1 限幅之后，轮次 30 定位）。按合法限速 `--inc_cap 1` 重测是 **到达 52.3% / 时限内 26.6%**（轮次 33 cap）。**验收要引用后者**，两者的差就是"以前的分数有一部分是超速换来的"。
   - n=512 复核在轮次 28–30 给过 50.8–52.1%；当前配方（含 `inc_cap`）尚未在 n=512 重跑。
-  - **合法限速口径下的新最好时限读数（轮次 46–47）**：同配方把打分地平线换成被执行前缀 `select=pre` → **到达 54.3%、时限内 33.2%（控制 26.6%）、2 s 误差比 0.170（控制 0.279）、行程比 2.445、碰撞 0、超 VMAX 0**；seed=1 复现 54.3%/34.0%。到达相对控制只 +5/+3 题（McNemar p=0.42/0.68 ⇒ 噪声），**显著的是时限内与进度**，代价是到达题末态误差 0.22→0.42 mm（判据壳 1 mm 内，余量 4.6×→2.4×）。所以它刷新的是"时限内"这一栏，不是"到达"这一栏。
+  - **合法限速口径下的当前最好格（轮次 51，2×2 补全后）**：`K=16 + select=pre + commit_n=2 + fb=2.2 + inc_cap=1 + cert_batch=1` → **到达 56.6%、时限内 35.9%、2 s 误差比 0.138、行程比 2.414、刹停 14.20/题、碰撞 0、超 VMAX 0**。相对历史控制（K8 endpoint 0.5234/0.2656）逐题赢 20 丢 9 = 净 +11 题，**McNemar p=0.061 ⇒ 到达仍未确立**；`goal_ratio_2s` 201:55（p=1.0e−20）是这条线最硬的证据。两条杠杆**在时限上可加（无交互）、在到达上饱和**（K16 之上再加 `pre` 只净 +1 题，p=1.0）。
+  - **口径提醒（对所有历史数字生效）**：`ok = done & (t_done ≤ max(2×老师用时, 3 s))` ⇒ 本链引用的"到达率"本身就带 2× 时限，`time_ok_1p3` 才是 §9.2 的 1.3× 口径，两道门不能混着引用。
 - **实时性（GPU，B=1、K=8、一步）**：整周期 P50 33.5 ms、P99 64.7 ms；批量认证把最坏情况从 80.2 → 37.1 ms（轮次 34）。仍未进 §9.2 的 P99 < 20 ms，瓶颈是几何查询不是推理（推理 7.2 ms）。
 - **安全层口径**：线上只做**端点 + 中点**点检（`gaps(...).min(-1) > 0`）。轮次 30 那条"认证通过仍碰撞"（−0.149 mm）已被连续段认证抓住（`certify_uniform` n≥8、二分 5 次查询），但它进不了实时预算（轮次 31–32）。
 - **失败结构（轮次 38，147 到达 / 109 未到）**：**63 题是走一半被冻住**（离目标 >100 mm 且刹车 >30 次）、23 题方向错、位置差 20~100 mm 15 题、差 5~20 mm 5 题、姿态没到位 3 题、起步失败 0；未到组活动窗内 37% 的步是零运动。
@@ -113,6 +114,49 @@
 - **对 `backoff` 的预期与判据**：全拒意味着"连第 1 步的端点或中点已经穿进障碍"，缩步能不能救取决于**穿得有多深**（穿 0.1 mm 救得回，穿 3 mm 救不回）。这个数转储里没记（只记被选中那条），所以直接由 `backoff_mean`/`reject_all_mean` 来量：
   `reject_all_mean ≈ 原全拒次数`（=backoff_mean+brakes_mean，与轮次 33 cap 的 19.55 可比），`backoff_mean/(backoff_mean+brakes_mean)` 就是"缩步能救回的比例"。这是补跑（#22）要读的第一个数。
 
+## 轮次 52：补上逐题老师用时这把尺子之后，整条"打分地平线"线的结论要翻面——1.3× 口径上的时限收益是显著的
+
+- **仪表缺的是什么**：`--dump` 的逐题行里没有老师用时，所以 §9.2 的 `time_ok_1p3`（≤1.3×老师）此前**只能报整批比例，做不了逐题配对**。本轮把 `t_exp`（老师用时）与 `tr_ref`（老师行程）写进每一行——它们是**题目属性、与臂无关**，所以只要有一条带新字段的控制臂落盘，就能按题号 join 给**所有历史臂**补上配对能力。
+- **改了落盘代码必须先自证没动行为**：重跑同配方控制臂 ⇒ **22/22 老键逐位相同**（`docs/experiment_round52_ctl_ex.json` vs `round45_tie0`）。顺带核对 `limit = 2×t_exp`（3.48 s ⇒ 6.96 s），把轮次 51 那句"到达自带 2× 时限"从推断变成实测。
+- **逐题配对（vs K8 `endpoint` 控制，n=256、seed=0；判据 = ok 且 `t_done ≤ 1.3·t_exp`）**：
+
+  | 臂 | 新增达标 | 失去达标 | 净 | 精确 McNemar p |
+  |---|---|---|---|---|
+  | **K16 `pre`（最好格）** | **27** | **3** | **+24** | **8.4e−6** |
+  | K8 `pre` | 22 | 5 | +17 | **0.0015** |
+  | 门控 5 mm | 23 | 6 | +17 | 0.0023 |
+  | 门控 20 mm | 22 | 6 | +16 | 0.0037 |
+  | K8 `pre` h=4 | 15 | 5 | +10 | 0.041 |
+  | K16 `endpoint` | 17 | 9 | +8 | 0.169 |
+  | K8 `pre` h=8 | 11 | 7 | +4 | 0.481 |
+  | `tie=1`（轮次 45） | 3 | 0 | +3 | 0.250 |
+
+- **这条表纠正的是我自己的判读，不是数据**：轮次 46–51 我一直拿 `success`（自带 2× 预算的那道门）做逐题配对，于是写成"到达与时限收益都在噪声内"。换成 §9.2 真正的 1.3× 口径，`pre` 系列的收益是 **p=0.0015 与 8.4e−6**——整条线最硬的一条证据。⇒ **"到达率没显著变化"仍然成立**（2× 那道门上是净 +1/+5/+11、p≥0.06），但**"时限内到达"这道门是明确被买到的**。两栏必须分开写，之前混过一次。
+- **同时被这张表重新定位的两条旧结论**：`K16+endpoint` 的时限收益（+8 题）其实不显著（p=0.169）——轮次 39 报的"+3.1 pp 时限"当时没有配对检验；h=8 那臂在 1.3× 口径下也是 p=0.48 ⇒ 轮次 48 说 h=8 是坏点，现在有了第二重证据。`tie=1` 在 1.3× 上只有 +3 题（p=0.25）且到达净 −5 ⇒ 判掉不变。
+- **待办**：seed=1 的 `t_exp` 正在补落盘（轮次 53），以便把轮次 47/50 那句"整批 +4.3 pp / +0.39 pp"也换成配对 p 值。
+- **口径纪律**：`--pre_near`、`--pre_h`、`--tie` 都是可选口径，默认仍是 `endpoint`。§9.2 的验收栏仍按"到达未确立、时限内已确立（seed0 配对）"来写，等 s1 配对完成再决定是否给到达之外的第二栏正式换配方。
+
+## 轮次 51：2×2 补全（K∈{8,16} × select∈{endpoint,pre}）——两条正向杠杆在时限上可加、在到达上饱和
+
+- **为什么补这格**：`K=16`（#27/#1，轮次 39/44 验证）与 `select=pre`（#29，轮次 46 验证）是链上仅有的两条正向杠杆，但从未同时测过。§9.2 要的是**同一份配方**同时满足到达与时限，所以可加性必须直接量，不能各自报喜。
+- **四格（全部 n=256、seed=0、同配方、同批口径；缺的那格是本轮新跑）**：
+
+  | 格 | 到达 | 时限内(≤1.3×老师) | 2 s 误差比 | 到达题末态误差 | 刹停/题 | 行程比 | 碰撞 / 超 VMAX |
+  |---|---|---|---|---|---|---|---|
+  | K8 `endpoint`（历史控制） | 0.5234 | 0.2656 | 0.2792 | 0.2175 | 19.55 | 2.6158 | 0 / 0 |
+  | K8 `pre` | 0.5430 | 0.3320 | 0.1702 | 0.4151 | 19.84 | 2.4449 | 0 / 0 |
+  | K16 `endpoint` | 0.5625 | 0.2969 | 0.2800 | 0.1595 | 13.77 | 2.6243 | 0 / 0 |
+  | **K16 `pre`（新最好格）** | **0.5664** | **0.3594** | **0.1382** | 0.2882 | 14.20 | **2.4142** | **0 / 0** |
+
+- **主效应（这就是可加性的算法）**：
+  - 时限：`pre` 在 K8 上 **+6.64 pp**、在 K16 上 **+6.25 pp**；`K16` 在 endpoint 上 +3.13 pp、在 pre 上 +2.73 pp ⇒ **四个方向同量级、无交互**。时限这块确实是两个独立瓶颈（候选容量、打分口径）各自买一份。
+  - 到达：`pre` 在 K8 上 +1.95 pp、在 K16 上只 **+0.39 pp**（逐题 16 赢 15 丢，净 +1，**McNemar p=1.000**）⇒ **到达饱和**：K16 已经把"有活路可选"这件事买完了，再把打分口径改对，救不回新题。
+  - 最好格 vs 历史控制（K8 endpoint）逐题：赢 20 丢 9，净 **+11 题**（0.5234→0.5664），**McNemar p=0.061** ⇒ 这是整条"选择/认证"线上**最接近显著**的一次到达收益，但按规矩 p=0.061 就是"尚未确立"，要在 n=512 或第二个 seed 上复现才算。翻转按类别：B +8/−2、A +8/−4、C +3/−2、Dr +1/−1 ⇒ 增益仍然主要在 B（直线被挡）。
+  - `goal_ratio_2s` 逐题：201 好 / 55 差，**p = 1.0e−20** ⇒ 全程进度是这条线最硬的证据（比任何单臂都强）。
+- **一个所有历史数字都被我漏说的口径**：`ok = done & (t_done ≤ limit)`，而 `limit = time_limit(ex) = max(2×老师用时, 3 s)`。**⇒ 本链引用的"到达率"本来就带 2× 时限**，不是"最终到没到"。`time_ok_1p3` 才是 §9.2 的 1.3× 口径。两者是两道门，引用时不能再混。轮次 52 已把 `t_exp/tr_ref` 落盘，之后 1.3× 口径能做逐题配对。
+- **状态**：合法口径（碰撞 0、超 VMAX 0）下的当前最好配方更新为 **K=16 + select=pre + commit_n=2 + fb=2.2 + inc_cap=1 + cert_batch=1** → 到达 56.6%、时限内 35.9%。§9.2 的缺口仍然是**到达 −41.4 pp**（时限 −64.1 pp 是另一栏）。
+- **判据没被放松的证据**：四格 `collision_rate` 与 `over_vmax_rate` 全 0，`n_plans_mean` 全 195.0 ⇒ 规划次数不变；K16 的额外成本只在每颗规划的候选数（认证与打分的批量宽度），这条**必须用独占微基准量**才能进部署账（#16/#28 仍未结）。
+
 ## 轮次 50：门控 20 mm 的 seed=1 复现——方向对、幅度不稳：时限收益塌了，精度代价只是减小没消除
 
 - **一条臂就够**（控制臂复用 `round47_ep_s1`，同 seed 同配方，已在盘）。
@@ -202,6 +246,7 @@
 - **统计口径（这条线真正的证据在哪）**：
   - `goal_ratio_2s` 逐题符号检验：s0 **192 好 / 64 差（p=4.9e−16）**，s1 **191 好 / 65 差（p=1.5e−15）**。⇒ 显著、且两个 seed 的计数几乎一样。
   - 到达：s0 逐题丢 10 赢 15（净 +5，McNemar **p=0.424**）、s1 丢 10 赢 13（净 +3，**p=0.678**）。⇒ **到达率的提升在两个 seed 上都只是噪声**。诚实的写法是"时限内到达显著变多、总到达未见显著变化"，即它把路上的时间买回来了，没有把通路买回来。
+    **【轮次 52 补验】**这句里"时限内显著变多"当时还只是整批读数（0.2656→0.3320），没有逐题配对。补上每题老师用时后：**K8 `pre` 在 1.3× 口径上逐题 22 赢 5 丢，净 +17，精确 p=0.0015**；`K16+pre` 是 27/3、p=8.4e−6。⇒ 那句话现在有据了，而且比原来写的更强。注意 `success` 那道门自带 **2×** 预算（`limit = max(2·t_exp, 3 s)`），所以"到达 p=0.42"与"时限内 p=0.0015"是两道不同门的读数，不矛盾。
   - 末态误差逐题：s0 130 好 / 126 差（p=0.85）、s1 121/135（p=0.42）⇒ 全程不显著；但**到达题组内**的中位误差两 seed 都涨（0.22→0.42、0.22→0.34 mm）。这是"打分只看 2 步"的必然代价：近目标处不再为最后那几毫米承诺路径。判据仍未违反（到达定义是 `e<1 mm 且 oe<0.5°`，最差的 0.42 mm 也在壳内），但**这条余量从 4.6 倍缩到 2.4 倍**。
 - **按类别（两个 seed 方向一致）**：A 类 −1，**B 类 +2、C 类 +3/+2**。单个切片在这个分母上都不显著，但方向与轮次 44 的"#27：候选容量救不了 B/C"**不矛盾**——那条测的是"多给同分布候选"，这条改的是"用哪个终点评价候选"。真正的判据留给下一轮的地平线曲线。
 - **成本**：两臂墙钟 317.6/319.2 s（s0）与 315.1/314.4 s（s1）——同量级；但**墙钟差不构成成本结论**，要说"零额外开销"得用独占微基准把 `goal_err` 在 `B×K` 个点上的两次调用分开量（记为待办）。

ml/eval/eval_cl.py

@@ -160,8 +160,13 @@ def main():
         keys = ['done', 'ok', 't_done', 'limit', 'col', 'brakes', 'err', 'first_hit', 'dls_it', 'goal_ratio_2s', 'brake_rate', 'n_plans',
                 'tie_opp', 'tie_changed', 'tie_opp_rate', 'tie_changed_rate']
         flat = {k: torch.cat([p[k] for _, p, _ in pers]).tolist() for k in keys}
+        _, _, _, ex_t, tr_t = tasks_to_tensors(tasks, 'cpu')     # run() 里的同名量是局部变量，这里必须自取
         for i, t in enumerate(tasks):
-            rows.append({**t, 'i': i, **{k: flat[k][i] for k in keys}})
+            row = {**t, 'i': i, **{k: flat[k][i] for k in keys}}
+            # 老师用时/行程是题目属性（与臂无关），落盘后任何一臂都能给历史臂补上"1.3×老师"的逐题配对
+            row['t_exp'] = float(ex_t[i]) if torch.isfinite(ex_t[i]) else None
+            row['tr_ref'] = float(tr_t[i]) if torch.isfinite(tr_t[i]) else None
+            rows.append(row)
         Path(a.dump).write_text(json.dumps(json_finite(rows), allow_nan=False), encoding='utf-8')
         print('dump', a.dump, flush=True)
     if a.trace: