exp: 轮次33——限幅实测要付5.1pp到达（57.4→52.3%）；GPU真实周期36.7ms≈27Hz，瓶颈是重复几何而非推理

- 四组单变量对照（同256题同seed）：base / inc_cap / gap_margin 0.5 / 两者同开
  限幅后 到达 0.5742→0.5234、time_ok 0.3906→0.2656、2s误差比 0.210→0.279、超VMAX 1.0→0.0、刹停几乎不变
  → 之前那部分到达率是超速换来的；损失在逼近末段，不在刹停
- 0.5mm 余量门只付 3 题（0.5742→0.5625）；但 plans['gaps'] 在 0.5mm 截顶，5mm 护栏可达性需抬 cap 重算
- 前提更正：eval_cl 不传 steps、rollout 默认 steps=1（policy.py:156 一步生成），先前按 steps=16 得到的
  "当前配方 116ms≈8.6Hz" 作废；真实配方 36.68ms P50 / 49.17ms P99 ≈ 27.3Hz
- 归因更正：空算子 0.028ms、空 sync 0.005ms、encode 2.27ms → 不是启动/同步地板；
  单步推理仅 7.2ms 且 K=1→8 免费，周期里 ~27ms 是 cum_xf+宽相位的重复计算
- certify_uniform 挂上后 36.7→45.3ms（n=8）/49.6ms（n=16）
- kin_torch 补 a/b 形状守卫（脚本里广播不一致会算错 view），测试 30→31 项

ml/common/kin_torch.py

@@ -280,6 +280,8 @@ class Kin:
         """
         if self.dtype != torch.float64 or a.dtype != torch.float64 or b.dtype != torch.float64:
             raise ValueError('segment certification requires float64')
+        if a.shape != b.shape or a.ndim != 2 or a.shape[1] != 6:
+            raise ValueError('a and b must be [count,6] with identical shape')
         # 预算给成张量时 max_depth + 1 会在 uint8 这类窄类型上回绕成 0，循环整个跳过，把碰撞段当安全返回。
         if type(max_queries) is not int or type(max_depth) is not int:
             raise ValueError('certification budgets must be plain ints')
@@ -336,6 +338,8 @@ class Kin:
             raise ValueError('segment certification requires float64')
         if type(n) is not int or n < 1 or eps <= 0 or (cap is not None and cap <= eps):
             raise ValueError('invalid subdivision count or tolerance')
+        if a.shape != b.shape or a.ndim != 2 or a.shape[1] != 6:
+            raise ValueError('a and b must be [count,6] with identical shape')
         count = a.shape[0]
         inside = (((a >= self.lo) & (a <= self.hi) & (b >= self.lo) & (b <= self.hi)) | self.cont).all(-1)
         bound = (b - a).abs() @ self.cert_lever.T / n                       # [count,15] 子段界