docs+exp: 第二次纠正换向分组——按与rollout同窗口重算后两组差不多(0.247全体/到达0.265/未到达0.233)，换向是全局现象而非失败特征；给出backoff对照臂的可证伪预测0.247

docs/experiment_round39_reverse_offline.json

@@ -0,0 +1,16 @@
+[
+ {
+  "file": "round33_cap.pt",
+  "reverse_p50": 0.2474,
+  "reverse_p50_arrived": 0.265,
+  "reverse_p50_failed": 0.2329,
+  "nact_p50": 168.0
+ },
+ {
+  "file": "round33_base.pt",
+  "reverse_p50": 0.257,
+  "reverse_p50_arrived": 0.2753,
+  "reverse_p50_failed": 0.2402,
+  "nact_p50": 152.0
+ }
+]

docs/探索日志.md

@@ -80,8 +80,18 @@
 
 - 口径先对齐：只在"有老师参考且到达"的题上算，自测 **2.425** 与 eval 报的 2.445 同量级（差别在我按 `t_done/DT` 取窗端，eval 逐步累加），后面的数都在这个口径上。
 - **超出主要是同一根轴来回抖，不是绕远路**：净位移/总行程中位 **0.445**（完美单调应为 1.0）、各轴最大 excursion/行程 0.507、旧口径换向中位 23.5%（p25 15.7%、p75 30.3%）。
-- **撤回一句我自己的假象**：上面原来写"到达组抖得更厉害（26.1% vs 未到达 14.7%）"，**错在口径**。旧定义 `(dd[t+1]·dd[t] < 0).mean()` 要求相邻两步都非零，遇到"前进→停住→后退"就漏计；而未到达题恰恰大量站住，于是被系统性地少计。用与定义无关的量重算（同一转储，净位移/总行程）：**到达组 0.478、未到达组 0.352**，即**未到达组白费比例更高**（走完 738° 只前进 255°，到达组是 569°/267°）。线上 `reverse_rate` 新口径（记方向状态、站住不重置）也是 24.0% vs 14.4%，两条一致 ⇒ 结论方向反过来。
-- **口径敏感要常驻**：换向率的绝对值只能在同一定义内比较；跨臂一律读 eval 的 `reverse_p50`（定义=换向的(步,轴)对/活动的(步,轴)对，站住计入分母但不重置方向）。旧口径的 23.5% 保留在这里，但不再作为分组依据。
+- **撤回一句我自己的假象（并且这条也要再撤回一次，见下一条）**：上面原来写"到达组抖得更厉害（26.1% vs 未到达 14.7%）"，**错在口径**。旧定义 `(dd[t+1]·dd[t] < 0).mean()` 要求相邻两步都非零，遇到"前进→停住→后退"就漏计；而未到达题恰恰大量站住，于是被系统性地少计。
+- **用与定义无关的量重算（净位移/总行程，同一转储、同一窗口）**：**到达组 0.478、未到达组 0.352** ⇒ 未到达组白费比例更高（走完 738° 只前进 255°；到达组是 569°/267°）。这条稳。
+- **但换向率的组间比较我第二次算错，现纠正**：上一次我用"未到达 24.0% vs 到达 14.4%"来说组间差异，那个算法把**到达题到达之后的冻结步**也算进了分母（`act` 只按 `tn<=limit`，没排除已到达），把到达组稀释了。按与 `rollout` 完全同语义的窗口（到达题截到 `t_done`）重算，得到的是**两组差不多**：
+
+  | 转储（口径） | reverse_p50 全体 | 到达组 | 未到达组 |
+  |---|---|---|---|
+  | `round33_cap`（=轮次33 cap，限幅） | **0.2474** | 0.265 | 0.233 |
+  | `round33_base`（不限幅） | 0.257 | 0.275 | 0.240 |
+
+  （`docs/experiment_round39_reverse_offline.json`）⇒ **换向是全局现象（约 1/4 的(步,轴)对在反向），不是失败题的特征**；失败题的特征是"白费行程比例高 + 大量站住"。这两件事先前被我混成一句，现在分开。
+- **可证伪预测（等 backoff 对照臂回来对表）**：同一配方下 in-eval 的 `reverse_p50` 应当 ≈ **0.247**。差得多就说明线上实现与离线同语义重算不一致，得先查仪表再谈算法。
+- **口径敏感要常驻**：分组/比较类断言之前，先换一种定义把同一份数据再算一遍；两种定义都给同方向才写进日志。分母必须与指标定义一致（`act_ = 未 done 且 在时限内`），否则"到达题窗短"会系统性稀释任何按步数归一的指标。
 - **对得上训练侧的事实**：预训练本来就有 `w_smooth=0.05` 的二阶差分正则，但闭环仍大量换向 ⇒ 训练期的平滑项没管住执行期的抖动。
 - **第一条 A/B 读数（`len_w=0.1`，256 题、`--inc_cap 1`）**：到达 0.5117（对照 0.5234，−1.2 pp）、时限内 0.2695（+0.4 pp）、**行程比 2.6216 几乎没动**（对照 2.6158）、成功题末态误差 0.2438（对照 0.2175，变差）。
   原因是量级不匹配，不是方向错：`0.1 × 累计归一行程`（16 步满速在 3 条轴上约 48）只当量 ~5 mm，而早段末态误差是几百 mm ⇒ 罚不动。等 `len_w=0.3/1.0` 两臂看行程比是否真的开始下降；若仍压不住，惩罚对象应从"总行程"换成**换向/二阶差分**（直接打这个 23.5%）。