docs: 刹停长尾定量化——48.8%题零刹停、前20%题占72.4%事件；杠杆必须分层报(brake_rate_p90/stuck_share)，否则对尾巴有效的改动在均值上看不出来

docs/探索日志.md

@@ -108,6 +108,20 @@
 - **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。
 
+## 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。
+
+  | 分组 | 刹停均值 | 刹停中位 |
+  |---|---|---|
+  | 到达的 147 题 | **1.72** | **0** |
+  | 未到达的 109 题 | 42.89 | 45 |
+
+  分位数：**48.8% 的题一次都不刹**；最卡的前 5% 题占全部刹停事件 **24.5%**（92.8 次/题），前 10% 占 **42.9%**，前 20% 占 **72.4%**；后 80% 只占 27.6%（均值 6.6）。>30 次的 71 题（27.7%）几乎承担了整条判据缺口。
+- **这改变了"怎么评判一条杠杆"**：§9.2 的"刹停 <2% 推理周期"用**均值**报，会被这 71 题拖死（K=16 均值 7.06%、中位 0.0），而大多数题其实早就满足。⇒ 以后每条臂都要**分层报**：`brake_rate_p90` 与"卡住题占比（brake_rate>0.2）"要进指标，否则一条只对尾巴有效的杠杆（#24、backoff）会在总均值上看起来"没动"。
+- 与失败分类完全对上：63/109"走一半被冻住"就是这批题；**它们同时也是到达缺口的全部来源**（可拿的 +25 pp 区间就在这批题里）。所以攻它们不是锦上添花，是主攻方向。
+- 待办（等链跑完再改库，避免重犯 14:45 那次事故）：给 `eval_cl` 补 `brake_rate_p90` 与 `stuck_share`（判据 `brake_rate > 0.2` 的题占比）。
+
 ## K=16 串行 vs 批量认证等价 + 第一次真正核算"刹停率"（轮次 41）
 
 - `--K 16 --cert_batch 1` 与 `--K 16`（串行）跑同一 256 题同 seed：`success / time_ok_1p3 / brakes_mean / travel_ratio_median / collision_*` **全部逐位相同**，差异键只有 7 个、且全是我这几轮新加/改口径的报表键（`reverse_*` 的两种口径、`n_plans`、`brake_rate`、`moving_share`）。⇒ **轮次 39 的"试候选数 1/3/8/16 曲线"同样描述批量口径**，也就是说 K=16 到达 0.5625 这个收益不依赖串行早停这个巧合。