exp: 轮次46-47——select=pre(打分地平线=被执行前缀终点)正向，两 seed 复现

2 s 误差比逐题符号检验 s0 192好/64差 p=4.9e-16、s1 191/65 p=1.5e-15；时限内(≤1.3×老师)
0.2656→0.3320(+6.64pp)、0.2969→0.3398(+4.30pp)；行程比 −0.171/−0.171；碰撞仍 0、超 VMAX 仍 0。
到达只 +5/+3 题(McNemar p=0.42/0.68 ⇒ 噪声)，故不改默认口径、作可选口径入库。
代价：到达题末态误差 0.22→0.42 mm(判据壳 1 mm 内，余量 4.6×→2.4×)，两 seed 都涨。

对照可比性先证：控制臂 tie0 与轮次42 round42_K8cb1 的 22/22 键逐位相同 ⇒ 该配方跨窗口确定性
复现，本轮起新杠杆可用单臂对已落盘控制。

实现：select='pre' 用 fut[:,:,commit_n-1] 的终点误差(同一次 goal_err 只换点集)；两条可手算正对照
(前缀好/末端差 vs 末端好/前缀差 ⇒ 两口径必须选相反候选) + 不变式(commit_n=16 时与 endpoint 同选)；
49 项测试绿；n=16 冒烟证非惰性。候选表同步修准：backoff/ep_waste 两行状态改判掉，#29/#30 登记。

tests/test_eval_cl.py

@@ -966,5 +966,55 @@ class TieByClearanceTest(unittest.TestCase):
         self.assertTrue(all(isinstance(s, int) and isinstance(t, int) for s, t in seen))
 
 
+class PreHorizonTest(unittest.TestCase):
+    """#29：`select='pre'` 按「这一轮真会执行到的位置」打分；`endpoint` 按整条地平线末端打分。
+    夹具是两条刻意做成「前缀好但末端差」/「末端好但前缀差」的候选，期望值可手算。"""
+    class StubModel:
+        act_scale = 1.0
+
+        def __init__(self, act):
+            self.act = act
+
+        def sample_k(self, feat, K, z, steps=1):
+            B = feat.shape[0]
+            return (self.act.expand(B, K, 16, 6).clone(), torch.zeros(B, device=feat.device),
+                    torch.zeros(B, 13, device=feat.device))
+
+    class NearKin:
+        def clamp_box(self, q):
+            return q
+
+        def gaps(self, q, cap):
+            return {'gm': torch.ones(q.shape[0], 49)}
+
+    def run1(self, select, commit_n=2):
+        # 候选0：前 2 步各 +0.2（前缀 0.4），随后 14 步 −0.4/14 ⇒ 地平线末端回到 0
+        # 候选1：16 步各 +0.05 ⇒ 前缀只有 0.1，但地平线末端 0.8
+        c0 = [0.2, 0.2] + [-(0.4 / 14.0)] * 14
+        c1 = [0.05] * 16
+        acts = torch.stack([torch.tensor([[v, 0, 0, 0, 0, 0] for v in c0], dtype=torch.float32),
+                           torch.tensor([[v, 0, 0, 0, 0, 0] for v in c1], dtype=torch.float32)])
+        self.assertEqual(tuple(acts.shape), (2, 16, 6))     # 夹具自证：第 0 轴才是唯一有内容的轴
+        err = lambda kin, q, T, R: (((0.9 - q[:, 0]).clamp(min=0.0)) * 1000.0, torch.zeros(q.shape[0]))
+        with patch('ml.sim.closed_loop.features', return_value=torch.zeros(1, 83)), \
+             patch('ml.sim.closed_loop.goal_err', side_effect=err):
+            _, per = rollout(self.StubModel(acts), self.NearKin(), [{'q0': [0] * 6, 'T': [1, 0, 0]}], 'cpu',
+                             K=2, safety=False, max_sec=0.04, return_traj=True, use_sub=False,
+                             select=select, replan='empty', commit_n=commit_n)
+        return per
+
+    def test_pre_and_endpoint_pick_opposite(self):
+        p_end = self.run1('endpoint')
+        self.assertAlmostEqual(float(p_end['traj'][0, 1, 0]), 0.05 * 1.2, places=5)     # 末端 0.8 ⇒ 选候选1
+        p_pre = self.run1('pre')
+        self.assertAlmostEqual(float(p_pre['traj'][0, 1, 0]), 0.2 * 1.2, places=5)      # 前缀 0.4 ⇒ 选候选0
+        self.assertNotAlmostEqual(float(p_end['traj'][0, 1, 0]), float(p_pre['traj'][0, 1, 0]), places=3)
+
+    def test_pre_equals_endpoint_when_commit_is_the_whole_horizon(self):
+        """不变式：commit_n=16 = 整条地平线 ⇒ pre 的索引落到末端，必须与 endpoint 选同一条。"""
+        p = self.run1('pre', commit_n=16)
+        self.assertAlmostEqual(float(p['traj'][0, 1, 0]), 0.05 * 1.2, places=5)
+
+
 if __name__ == '__main__':
     unittest.main()