diff --git a/docs/探索日志.md b/docs/探索日志.md index effacbb..917277f 100644 --- a/docs/探索日志.md +++ b/docs/探索日志.md @@ -108,6 +108,25 @@ - **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。 +## 缺口几乎全在"直线被挡 / 贴立柱"两类(轮次 41,按任务类别分层) + +- 六个已跑口径(1/2 步 × cap/margin/both,同一 256 题同 seed)的逐题 dump 交叉比对: + - **95 题(37%)在任何口径下都到达**;**106 题(41%)在任何口径下都不到达**;只有 55 题是"口径敏感"的。 + - 卡住题集在四个一步口径之间高度重合(Jaccard 0.87–0.91),换 cap/margin/反馈档**换的不是同一批题**;而 `steps=2` 的卡住集(135 题)**完整包含**一步的 71 题(交集 71=全集)⇒ 多段是"新增"了一批卡住题,而不是换了一批,与候选塌缩的机理一致。 +- **按类别的到达率**(`--inc_cap 1` 合法限速口径;类别定义见方案 §采样:A 均匀 45%、B 直线被挡 30%、C 贴立柱 15%、D 目标不可达 10%): + + | 类别 | 1 步限幅 | 2 步限幅 | + |---|---|---| + | A 均匀(无障碍) | **75%** (96/128) | 61% | + | B 直线被挡 | **27%** (20/74) | 16% | + | C 贴立柱 | **34%** (11/32) | 16% | + | Dr | 78% (7/9) | 67% | + | D 目标不可达 | 0% (0/13) | 0% | + +- **读法**:总到达 52% 的缺口几乎全部来自 **B(30% 的题,只有 27% 做到)与 C(15% 的题,34%)**——无障碍的 A 类已经 75%。⇒ 剩下要拿的分**不是"普遍再准一点",而是"直线被挡住时会绕"**。这与前面所有证据自洽:安全层全拒集中在尾巴题、多段推理因候选塌缩而更拒、K 加倍最赚(多给几条活路)。 +- **一处必须纠正的分母口径**:D 类是"目标不可达、标签为停靠"的题,**按定义不可能到达**,却一直留在我的到达率分母里(§9.2 原文要的是"held-out **可达**任务到达率 ≥98%")。去掉 13 道 D 后:一步限幅 0.5234 → **0.5514**、一步不限幅 0.5742 → 0.6049、两步 0.3945 → 0.4156。差 **+2.8 pp**,不大但方向是系统性偏高/偏低混合,**以后必须两个数一起报**。历史轮次保留含 D 的分母(那是当初记在文件头的约定),但从下一轮起新增 `success_reachable` 与按类别到达率,别让"98%"和含不可达题的分母对话。 +- 待办(链结束后改库):`eval_cl` 补 `success_reachable`(排除 cat=D)、`by_cat` 到达率、`brake_rate_p90`、`stuck_share`。这四格是让"对尾巴/对 B 类有效"的杠杆能被看见的前提。 + ## 刹停是极端长尾:一半题零刹停,两成题占 72% 事件(轮次 41,纯读已落盘逐题数据) - 轮次 33 base(一步、不限幅)的逐题 dump:256 题共 4928 次全拒,均值 19.25/题。