exp+fix: 候选塌缩定案(steps=2 把K条候选抹平35倍)+z_scale反例；补 n_plans/brake_rate 核算§9.2刹停率；记录我在链式作业排队期间改库导致两臂未跑的事故

docs/探索日志.md

@@ -107,6 +107,28 @@
 - **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。
 
+## 候选为什么会"塌"：两段积分把 K 条候选吸成一条（轮次 39 探针，机理定案）
+
+- `ml/runs/_cand_div.py`（256 题特征、同一批噪声 z、K=8，只改段数）：
+
+  | steps | 候选间一阶步的标准差 spread | 两两平均距离 pairwise | 第 1 步模长 | ±1 饱和率 |
+  |---|---|---|---|---|
+  | 1 | **0.8518** | 5.3647 | 1.1565 | 5.2% |
+  | 2 | **0.0245** | 0.3024 | 1.0956 | 3.9% |
+  | 4 | 0.0211 | 0.2861 | 1.0970 | 6.9% |
+
+  ⇒ **多段积分把 K 条候选的差别抹掉了 35 倍**（0.85 → 0.024）。这不是"动作更大更危险"那么简单：安全层是在 K 条**几乎相同**的候选里挑一条能走的前缀，挑无可挑就刹停。
+- 这条与轮次 38 的实测严丝合缝：`steps=2/4/8` 到达掉 13–15 pp、刹车 ×4.5，但**开环误差与行程比都更好**——动作质量提升是真的，到达率下降是"没有备选"造成的。
+- **但"人为制造多样性"不是解法**（`z_scale=1.5`，同 K=8）：刹车确实砍一半（19.55→10.51），可到到达掉到 0.4961、时限内从 0.2656 崩到 **0.1836**、行程比恶化到 3.5243、换向升到 0.32。⇒ 放大噪声换来的"能过的候选"是**分布外**的候选：安全层放行它，但它走的是绕、抖、慢的路。**K=16 的收益来自"同分布内更多候选"，不是"多样性本身"**——这两个数放在一起才把这条轴的边界说清楚。
+- 判据状态：#21 的两个分支现在这样分：**"动作更危险"不是主因，"候选塌缩"是主因**（spread 35 倍 + try/K 单调曲线 + z_scale 反例三条独立证据）。剩下要量的只是成本口径（K=16 在批量认证下贵多少）。
+
+## 事故：我在链式作业排队期间编辑了被 import 的库，两个臂直接没跑
+
+- 时间线：`z15` 于 14:46:38 结束，链接着拉起 `safety=0 steps=1`（14:46:38）——而我为了让 `brake_rate` 有分母，正在 14:45:5x 用脚本改 `ml/sim/closed_loop.py`，一次替换把 `per = {...}` 的字典提前闭合，留下 `IndentationError: unexpected indent`。**新起的 python 进程 import 到的是半成品文件**，两个 safety-off 臂各 2 秒就退出（日志里 `=== safety=0 steps=1 done 14:46:40 ===` 的"done"只是 bash 循环走到下一行，不代表成功）。修好在 14:46:52，48 项测试全绿。
+- **教训（比我原先记的"别改正在跑的脚本"更进一层）**：链式作业会在**未来某个时刻**新起解释器，所以"只要不改正在跑的那一个进程"是不够的。规则改为：**链没结束就不编辑被 import 的库；要编辑，先等通知或先让链跑完**。并且 `=== done ===` 这种循环日志不能当成功凭据——**判成功要看产物文件在不在**（这次 `docs/experiment_round38_safetyoff_steps{1,2}.json` 根本没生成，一看便知）。
+- 两个 safety-off 臂与 `ep_waste`/`backoff`/K 代价一起并入下一批重跑（`ml/runs/_next_batch.sh`）。
+- 顺带补了验收判据缺的分母：`rollout` 现在记 `n_plans`（每题规划次数）并给 `brake_rate = brakes/n_plans`、`eval_cl` 报 `brake_rate_p50/mean` 与 `n_plans_mean`——§9.2 要的是"刹停 <2% **推理周期**"，以前只有绝对次数，**这条判据实际上从来没被真正核算过**。命名上躲开一个坑：`per` 里原本有个 `'plans'` 键是转储用的逐规划字典，新键必须叫 `n_plans`，否则 `flat` 的过滤 `if k not in ('traj','plans')` 会把它静默吃掉。
+
 ## 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**：