docs: 撤回换向分组结论(旧口径漏计停住再反向，净/行程与线上口径都给反向)；len_w 的单调改写成噪声量级说明

docs/探索日志.md

@@ -64,8 +64,8 @@
   | len_w=1.0 | 0.5273 | **0.2891** | 2.6719 | 19.35 | — |
 
   （`docs/experiment_round39_lenw{0.1,0.3,1.0}.json`）
-- **两条相反的结论**：① 时限内**单调变好**（0.2656→0.2891，+2.4 pp = 6 题），到达在噪声内（±0.4 pp）；② 但**行程比单调变差**（2.6158→2.6719）。
-  ⇒ "候选地平线内的累计行程"并不是"实际执行行程"好的代理：罚它选出来的候选在**近端少过冲**（所以更快收住、时限内变好），但整段任务要更多次规划才能走完，累计行程反而涨。这条是我原先的假设被打掉，不是被确认。
+- **两条相反的结论**：① 时限内**单调变好**（0.2656→0.2891，+2.4 pp = 6 题），到达在噪声内（0.5117/0.5195/0.5273，最大偏离对照 −1.2/+1.2 pp，n=256 下这就是噪声量级）；② **行程比一点没降**（2.6216/2.6548/2.6719 vs 对照 2.6158，+0.006/+0.039/+0.056，只有最后一个勉强出噪声、且方向是"变差"）。
+  ⇒ "候选地平线内的累计行程"不是"实际执行行程"的好代理：罚它选出的候选在**近端少过冲**（所以收得快、时限内变好），但整段任务要更多次规划才能走完，累计行程不降反升。这条是我原先的假设被打掉，不是被确认；`ep_len` 只值 +2 pp 时限，且对 §9.2 的行程判据无用。
 - 顺着这个读数，真正该罚的是**同一轴来回**而不是总长：已实现 `select='ep_waste'`，罚 `(1 − 同轴净位移/累计行程) × 当前误差`（乘当前误差是为了近端不压死进度项——上一版的形状问题正在这里）。三臂 `len_w=0.1/0.3/1.0` 排在 `ml/runs/_waste_sweep.sh`。
 - 换向率指标 `reverse_p50` 从这一批之后才会出现在产物里（前面的臂是在改动前加载的模块跑的），口径已与离线分解同分母，预期对照臂应复现 **23.5%** 量级——**对不上就要查口径，不能各自报各自的**。
 
@@ -79,8 +79,10 @@
 ## 行程超出的成因分解（轮次 39 续，纯 CPU 读轮次 33 base 转储）
 
 - 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、**换向步占比中位 23.5%**（p25 15.7%、p75 30.3%）。分组看**到达组抖得更厉害**（换向 26.1% vs 未到达组 14.7%）——未到达组的问题是冻住，不是抖。
-- **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 23% 换向 ⇒ 训练期的平滑项没管住执行期的抖动。
+- **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。
+- **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%）。