From 39c870c1cfd29b1035d8708cad0b66e5cb451761 Mon Sep 17 00:00:00 2001 From: cbb <2625274797@qq.com> Date: Tue, 20 Oct 2026 07:23:16 +0800 Subject: [PATCH] =?UTF-8?q?exp(dagger-deploy):=20=E8=BD=AE=E6=AC=A118?= =?UTF-8?q?=E6=94=B6=E5=B0=BE=E2=80=94=E2=80=94n=3D512=20gain1.8=20?= =?UTF-8?q?=E5=88=B0=E8=BE=BE42.2%/=E7=A2=B0=E6=92=9E2.9%/ratio0.270/time?= =?UTF-8?q?=5Fok29.1%/870ms=EF=BC=88=E5=8E=86=E5=8F=B2=E6=9C=80=E4=BD=B3?= =?UTF-8?q?=EF=BC=89=EF=BC=9B=E4=BF=9D=E5=AE=88=E7=89=88=20gain1.5=2040.8%?= =?UTF-8?q?/2.1%=EF=BC=9B=E6=8E=A2=E7=B4=A2=E6=97=A5=E5=BF=97=E7=BB=9F?= =?UTF-8?q?=E8=AE=A1=E6=9B=B4=E6=96=B0?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- docs/探索日志.md | 18 ++++++++++++++++-- 1 file changed, 16 insertions(+), 2 deletions(-) diff --git a/docs/探索日志.md b/docs/探索日志.md index b9f3ee7..42fa825 100644 --- a/docs/探索日志.md +++ b/docs/探索日志.md @@ -281,7 +281,21 @@ - **结论**：gain 1.8 到达最高（43.8%）；2.2/3.0 精度与时间效率更好但到达下降、刹停暴涨（3.0 达 123 次/题，过冲）。**历史最佳按到达优先（碰撞 ≤3%）：gain 1.8 = 到达 43.8% / 碰撞 1.6% / ratio2s 0.216 / time_ok 28.9% / 956 ms（n=256）**。保守/时间优先可选 2.2。 - **下一步**：n=512 复核 gain 1.8；随后收尾。 +## 轮次 18：n=512 复核 gain 1.8（收尾） + +- **假设**：轮次 17 的 43.8%（n=256）需更大样本确认。 +- **判据**：reach 与 n=256 差异 <5 pp、碰撞 ≤3%。 +- **配方**：dag2 best，replan='empty'，commit_n=1，safety_partial=1，gain 1.8；n=512。 +- **对照**：轮次 17（n=256：43.8% / 28.9% / 1.6% / 0.216 / 40.0 / 956 ms）；轮次 16（gain 1.5 n=512：40.8% / 25.0% / 2.1% / 0.309 / 25.3 / 852 ms）。 +- **指标**：到达 **42.2%**、time_ok_1p3 **29.1%**、碰撞 **2.9%**、ratio2s **0.270**、刹停 37.4、墙钟 **870 ms/题**。 +- **结论**：gain 1.8 在 n=512 稳定（42.2%），到达/时间效率优于 gain 1.5（+1.4 pp / +4.1 pp），但碰撞 2.1→2.9%（贴近 3% 线）、刹停 25.3→37.4。**历史最佳（到达优先，n=512）= gain 1.8；碰撞优先 = gain 1.5**。 +- **下一步**：本轮探索收尾（监控页已回写）；进入大规模训练需用户确认 §9.2 锚点。 + ## 轮次统计 -- 连续无实质进展轮数：0（轮次 5 出现实质进展：reach 0→20.3%）。 -- 历史最佳（部署口径）：轮次 5，`ml/runs/base_dag1/best.pt` + `fb_gain=1.0` + safety：reach 20.3%、碰撞 2.3%、ratio2s 0.480、brakes 21.9/题、时延 12.58 ms/次（B=64,K=8）。 +- 连续无实质进展轮数：0（轮次 9–17 持续有实质进展）。 +- **历史最佳（部署口径，n=512）**：`ml/runs/base_dag2_dag1/best.pt` + `K=8, safety=True, replan='empty', fb_gain=1.8, safety_partial=1, commit_n=1` → **到达 42.2%、碰撞 2.9%、ratio2s 0.270、time_ok_1p3 29.1%、刹停 37.4/题、仿真墙钟 870 ms/题**；推理 12.58 ms/次（B=64,K=8，桌面 3090 均值，P99 未测）。 +- 保守版（碰撞优先）：gain 1.5 → 40.8% / 2.1% / 0.309 / 25.0% / 25.3 / 852 ms。 +- 与基线对比：到达 **0→42.2%**、碰撞 **99.6→2.9%**、ratio2s **0.755→0.270**；代价：DAgger 微调使开环 ol_fk 5.98→15.7 mm。 +- 相对 §9.2：到达 42.2% vs ≥98%（差距大）；碰撞 2.9% vs 0（接近策略单独 <3% 线）；用时 ≤老师×1.3 为 29.1%；推理+认证 P99 未测（桌面均值 12.58 ms，预算 20 ms）。 +- 未进入大规模训练（需用户确认 §9.2 锚点）。