exp: 轮次39——试候选数四档成本-收益曲线：到达0.402→0.562、刹车60.4→13.8、串行认证墙钟×5.1，碰撞全程0

docs/experiment_round39_try1.json

@@ -0,0 +1,77 @@
+{
+  "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": 1,
+    "sel_w": 0.1,
+    "dls_safety": 1,
+    "fb_clear": 0.0,
+    "fb_cmin": 0.3,
+    "sub_refresh": 0,
+    "fb_block_gain": 0.5,
+    "dump": null,
+    "out": "docs/experiment_round39_try1.json",
+    "trace": null,
+    "select": "endpoint",
+    "replan": "empty",
+    "safety": 1,
+    "partial": 1,
+    "inc_cap": 1,
+    "gap_margin": 0.0,
+    "cert_batch": 0,
+    "steps": 1,
+    "z_scale": 1.0,
+    "len_w": 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": 0.40234375,
+    "collision_free_success": 0.40234375,
+    "time_ok_1p3": 0.22265625,
+    "collision_rate": 0.0,
+    "collision_steps_mean": 0.0,
+    "travel_ratio_median": 2.5106539726257324,
+    "time_mean_s": 2.253203868865967,
+    "brakes_mean": 60.44140625,
+    "start_fail": 0.0,
+    "goal_ratio_2s": 0.4367985725402832,
+    "err_fail_med": 243.9196319580078,
+    "err_success_med": 0.21751396358013153,
+    "dls_share": 0.53125,
+    "time_budget": "teacher×2(≥3 s)",
+    "speed_ratio_p50": 1.0000016689300537,
+    "speed_ratio_p95": 1.0000038146972656,
+    "speed_ratio_max": 1.0000101327896118,
+    "over_vmax_rate": 0.0,
+    "accel_ratio_p95": 1.0000016689300537,
+    "accel_ratio_max": 1.0000101327896118,
+    "reverse_p50": 0.18634259700775146,
+    "reverse_mean": 0.19426266849040985
+  },
+  "simulation_wall_s": 111.52556069999991
+}

docs/探索日志.md

@@ -107,6 +107,22 @@
 - **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。
 
+## 试候选数的成本-收益曲线（轮次 39，四档齐全，#15 主结果）
+
+- 同一 256 题、同 seed、`--inc_cap 1`、其余配方（`select=endpoint, replan=empty, commit_n=2, K=8, fb=2.2`）不变，只改**安全层允许试几条候选**：
+
+  | 试候选数 | 到达 | 无碰撞到达 | 时限内 | 刹车/题 | 行程比 | reverse_p50 | 整批墙钟 |
+  |---|---|---|---|---|---|---|---|
+  | 1 | 0.4023 | 0.4023 | 0.2227 | 60.44 | 2.5107 | 0.1863 | 112 s |
+  | 3 | 0.4570 | 0.4570 | 0.2383 | 37.75 | 2.5297 | 0.2244 | 170 s |
+  | 8（对照） | 0.5234 | 0.5234 | 0.2656 | 19.55 | 2.6158 | —（改动前口径） | 329 s |
+  | 16 | 0.5625 | 0.5625 | 0.2969 | 13.77 | 2.6243 | 1.5750（旧口径，÷6=0.2625） | 573 s |
+
+  （`docs/experiment_round39_try{1,3}.json`、`..._K16.json`、对照 `docs/experiment_round33_cap.json`）
+- **读法**：到达 0.402→0.562（+16 pp）、刹车 60.4→13.8（÷4.4）单调随候选数变好；代价是串行认证下 gaps 调用次数与候选数成正比，整批墙钟 112→573 s（×5.1，与题数无关的部分就是几何调用）。碰撞全程 0、限速照开 ⇒ **这不是放松判据换来的分数**。
+- `reverse_p50` 随"站住更多"而**下降**（try1 的 0.186 < 对照 0.247），是稀释而不是变平滑 ⇒ 这个指标只能和 `moving_share` 一起读（后两个键从 14:41 之后的臂才有）。
+- **部署口径的未决项**：上面的墙钟是**串行认证**（`cert_batch=0`）口径；批量认证把 K 条候选并成 1 次调用，理论上能把候选数带来的成本从"线性调用"变成"一次更大的调用"。所以 `K=8/16 × cert_batch=0/1` 的四格 B=1 周期微基准（`ml/runs/_kcost_probe.py`）是这条杠杆能否上线的关键读数——**跨轮次墙钟不算证据**，本表的墙钟只用来说明趋势量级。
+
 ## try3 反向档位 + 换向指标的稀释修正（轮次 39 续）
 
 - `--safety_try 3`（只允许安全层试按分数排序的前 3 条候选，其余不变、仍 `--inc_cap 1`）：到达 **0.4570**（对照 0.5234，−6.6 pp）、时限内 0.2383（−2.7 pp）、**刹车 37.75**（对照 19.55，+93%）、行程比 2.530、碰撞仍 0（`docs/experiment_round39_try3.json`）。