diff --git a/docs/experiment_round36_steps8_cap1.json b/docs/experiment_round36_steps8_cap1.json
new file mode 100644
index 0000000..68729f5
--- /dev/null
+++ b/docs/experiment_round36_steps8_cap1.json
@@ -0,0 +1,73 @@
+{
+  "config": {
+    "ckpt": "ml/runs/base_dag2_dag1/best.pt",
+    "samples": "ml/data/samples",
+    "tasks": null,
+    "split": "val",
+    "n": 256,
+    "K": 8,
+    "commit": 2,
+    "fb": 2.2,
+    "ki": 0.0,
+    "fb_scale": 0.0,
+    "fb_near": 0.2,
+    "fb_fallback": 0.0,
+    "kdecay": 0.9,
+    "kimax": 0.5,
+    "fb_every": 1,
+    "safety_try": 0,
+    "sel_w": 0.1,
+    "dls_safety": 1,
+    "fb_clear": 0.0,
+    "fb_cmin": 0.3,
+    "sub_refresh": 0,
+    "fb_block_gain": 0.5,
+    "dump": "ml/runs/round36_steps8_cap1_rows.json",
+    "out": "docs/experiment_round36_steps8_cap1.json",
+    "trace": null,
+    "select": "endpoint",
+    "replan": "empty",
+    "safety": 1,
+    "partial": 1,
+    "inc_cap": 1,
+    "gap_margin": 0.0,
+    "cert_batch": 0,
+    "steps": 8,
+    "backoff": 0,
+    "max_sec": null,
+    "seed": 0,
+    "dls": "analytic",
+    "device": "cuda"
+  },
+  "batch_size": 256,
+  "batch_seed_rule": "same seed per batch",
+  "checkpoint_sha256": "f7f686fd8ee92fb6948fbcc4ee954636065ad87bb54f661c4f8f575bc16c2ce1",
+  "tasks_sha256": "249bd93457825cda98c59e64d9a096d3473c69aeb3553de1dea6d9e56be71772",
+  "kin_fp": "2ebcbf17",
+  "act_scale": 1.0,
+  "metrics": {
+    "n": 256,
+    "n_ref": 256,
+    "success": 0.41015625,
+    "collision_free_success": 0.41015625,
+    "time_ok_1p3": 0.32421875,
+    "collision_rate": 0.0,
+    "collision_steps_mean": 0.0,
+    "travel_ratio_median": 1.8700296878814697,
+    "time_mean_s": 1.9293333292007446,
+    "brakes_mean": 79.69921875,
+    "start_fail": 0.0,
+    "goal_ratio_2s": 0.3575941324234009,
+    "err_fail_med": 330.5984191894531,
+    "err_success_med": 0.2526792883872986,
+    "dls_share": 0.46875,
+    "time_budget": "teacher×2(≥3 s)",
+    "speed_ratio_p50": 1.0000016689300537,
+    "speed_ratio_p95": 1.0000053644180298,
+    "speed_ratio_max": 1.0000101327896118,
+    "over_vmax_rate": 0.0,
+    "accel_ratio_p95": 0.9362331628799438,
+    "accel_ratio_max": 1.0000005960464478
+  },
+  "simulation_wall_s": 316.32940030000464
+}
diff --git a/docs/探索日志.md b/docs/探索日志.md
index 7df016b..53ada4d 100644
--- a/docs/探索日志.md
+++ b/docs/探索日志.md
@@ -16,16 +16,31 @@
 
 ## 轮次统计
 
-- 连续无实质进展轮数：0（轮次 9–17 持续有实质进展）。
-- **历史最佳（部署口径，n=512）**：`ml/runs/base_dag2_dag1/best.pt` + `K=8, safety=True, replan='empty', fb_gain=1.8, safety_partial=1, commit_n=1` → **到达 42.2%、碰撞 2.9%、ratio2s 0.270、time_ok_1p3 29.1%、刹停 37.4/题、仿真墙钟 870 ms/题**；推理 12.58 ms/次（B=64,K=8，桌面 3090 均值，P99 未测）。
-- 保守版（碰撞优先）：gain 1.5 → 40.8% / 2.1% / 0.309 / 25.0% / 25.3 / 852 ms。
-- 与基线对比：到达 **0→42.2%**、碰撞 **99.6→2.9%**、ratio2s **0.755→0.270**；代价：DAgger 微调使开环 ol_fk 5.98→15.7 mm。
-- 相对 §9.2：到达 42.2% vs ≥98%（差距大）；碰撞 2.9% vs 0（接近策略单独 <3% 线）；用时 ≤老师×1.3 为 29.1%；推理+认证 P99 未测（桌面均值 12.58 ms，预算 20 ms）。
-- 未进入大规模训练（需用户确认 §9.2 锚点）。
-- 训练方法探索（轮次 19–22）：APG（管线修复、尺度失控）、反馈蒸馏（未内化）、DAgger-3（39.5%）、冻结编码器（41.8%）——均未超过 dag2 基线 43.8%。
+- 连续无实质进展轮数：0。
+- **当前最好（n=256 val，同 seed 同批）**：`ml/runs/base_dag2_dag1/best.pt` + `K=8, select=endpoint, replan=empty, commit_n=2, fb=2.2, fb_block_gain=0.5, dls_safety=1, safety=1` → **到达 57.4%、无碰撞到达 57.4%、时限内(≤1.3×老师) 39.1%、刹停 19.25/题、行程比 2.445、2 s 误差比 0.210**（轮次 33 base）。
+  - **但这组数含超速**：`speed_ratio_p50=1.660`、`over_vmax_rate=1.000` ⇒ 每轴实际最大速度是 VMAX 的 1.66 倍（反馈叠在 ±1 限幅之后，轮次 30 定位）。按合法限速 `--inc_cap 1` 重测是 **到达 52.3% / 时限内 26.6%**（轮次 33 cap）。**验收要引用后者**，两者的差就是"以前的分数有一部分是超速换来的"。
+  - n=512 复核在轮次 28–30 给过 50.8–52.1%；当前配方（含 `inc_cap`）尚未在 n=512 重跑。
+- **实时性（GPU，B=1、K=8、一步）**：整周期 P50 33.5 ms、P99 64.7 ms；批量认证把最坏情况从 80.2 → 37.1 ms（轮次 34）。仍未进 §9.2 的 P99 < 20 ms，瓶颈是几何查询不是推理（推理 7.2 ms）。
+- **安全层口径**：线上只做**端点 + 中点**点检（`gaps(...).min(-1) > 0`）。轮次 30 那条"认证通过仍碰撞"（−0.149 mm）已被连续段认证抓住（`certify_uniform` n≥8、二分 5 次查询），但它进不了实时预算（轮次 31–32）。
+- **失败结构（轮次 38，147 到达 / 109 未到）**：**63 题是走一半被冻住**（离目标 >100 mm 且刹车 >30 次）、23 题方向错、位置差 20~100 mm 15 题、差 5~20 mm 5 题、姿态没到位 3 题、起步失败 0；未到组活动窗内 37% 的步是零运动。
+- **与 §9.2 的差距**：到达 52.3% vs ≥98%；时限内 26.6% vs 100%；刹停远大于 2% 的推理周期；P99 未达标。碰撞口径已达标（执行 0）。
+- **已试过的训练法（轮次 19–22）都没超过 dag2 基线**：APG（管线修复但尺度失控）、反馈蒸馏（未内化）、DAgger-3（39.5%）、冻结编码器（41.8%）⇒ 再提到达率优先走"推理/选择/安全层"这条，而不是先重训。
+- **规矩**：大规模训练与扩数据都要用户放行；不许用放松碰撞/安全/精度/实时来换分数；负结论与本表一起留档（本文件就是报告系统，`ml/monitor.py` 的 `/api/explore` 直接渲染它）。
+
+## 算法优化候选（按实测证据强度排序，2026-10-20）
+
+| 序 | 候选 | 支撑证据 | 状态 |
+|---|---|---|---|
+| 1 | **全拒时缩步顶上**（`--backoff`：首选候选按 1/2、1/4、1/8 并进同一次认证，只在原候选连第 1 步都不安全时启用） | 失败分类 63/109 是"被冻住"、未到组 37% 步为零运动；刹停 19.25/题 | 代码与单测已落（38 项），256 题 A/B 排队中 |
+| 2 | **候选多样性 / K 与安全档位**（#15） | 全拒意味着 K=8 条候选没有一条能走；若候选彼此太像，加 K 也没用 | 待测（探针 `ml/runs/_cand_div.py` 已备） |
+| 3 | **一步角点的标定**（E1 那条线：`mf_target='mid'` 把自举导数移到中点） | 解析高斯场判据：`sq` 只线性收敛（结构性少修一半）、`mid/lin` 二次收敛；实测部署角偏差 MF 3.851 → `mid` 2.364（0.61×）；但**线上一步输出比自身两段采样离老师远 10 倍**（4.326 vs 0.434） | 开关已落、默认关；要付训练，等 #1/#2 出数再定 |
+| 4 | **认证进 20 ms**（#16/#18） | GPU 周期 P50 33.5 ms，几何宽相位占大头；f32 认证需先抬 eps 到 2e−4 mm | 未解，是验收硬门槛 |
+| 5 | 速度/余量口径（#11/#14） | `--inc_cap 1` 代价 −5.1 pp 到达、−12.5 pp 时限；`gap_margin 0.5 mm` 只付 3 题 | 已量化，投影式余量未移植 |
+| 6 | 循环内共享 FK（#19）、FP16/BF16、流水线复用 | 实测分别只有 0.03 ms/次、负收益、−3.1 ms 且扰动特征 | **已判掉** |
 
 ## 轮次 38：把 `--steps` 打通之后，闭环反而变差——瓶颈从"动作质量"移到了"安全层拒绝率"
 
+
 - **动机**：E1-b 实测同一个模型的一步输出比它自己的两段采样离老师远 **10 倍**（4.33 vs 0.43）。那就先别急着训练——直接把推理段数当自变量，量闭环。`ml/eval/eval_cl.py` 加 `--steps`（默认 1，发布口径不变），同一 256 题、同 seed、同配方只改段数：
 
   | 口径 | 到达 | 时限内(≤1.3×老师) | 刹车/题 | 到点耗时 | 行程比(中位) | 成功题末态误差 | DLS 接管份额 |
@@ -35,9 +50,11 @@
   | steps=1 cap=1（=轮次33 cap） | 0.5234 | 0.2656 | 19.55 | 2.49 s | 2.616 | 0.218 mm | 0.613 |
   | steps=2 cap=1 | 0.3945 | 0.2969 | 86.16 | 1.93 s | 1.844 | 0.293 mm | 0.445 |
   | steps=4 cap=1 | 0.4062 | 0.3047 | 79.65 | 1.91 s | 1.882 | **0.135 mm** | 0.461 |
+  | steps=8 cap=1 | 0.4102 | **0.3242** | 79.70 | 1.93 s | 1.870 | 0.253 mm | 0.469 |
 
-  （`docs/experiment_round36_steps2_cap{0,1}.json`、`docs/experiment_round36_steps4_cap1.json`；steps=8 同批续跑）
-  段数再多并不是越差：steps=4 比 steps=2 到达与时限都略升，成功题末态误差 0.293 → **0.135 mm**（比一步口径的 0.218 还好）——但刹车仍近 80/题，到达率被同一道门卡住。
+  （`docs/experiment_round36_steps{2,4,8}_cap1.json`、`docs/experiment_round36_steps2_cap0.json`）
+  **段数趋势（都在 `--inc_cap 1` 的合法限速口径）**：到达 0.523 → 0.395 → 0.406 → 0.410（一步之后就先掉再平），时限内 0.266 → 0.297 → 0.305 → **0.324**（单调变好），行程比 2.62 → 1.84 → 1.88 → 1.87（单调变好、贴近老师），刹车 19.6 → 86 → 80 → 80（一步之后翻 4 倍就不再降）。
+  ⇒ 多段推理把"更快、更贴老师、更省行程"这三样都买到了，唯独买不到到达率——那道门的拒绝率把它顶住了。段数从 4 到 8 几乎不再变化，说明瓶颈不在采样精度。
 - **失败分类**（不占卡：读轮次 33 base 的 256 题轨迹转储，CPU 重算末态位姿误差，`docs/experiment_round38_fail_taxonomy.json`）。147 到达 / 109 未到，未到题按"末态离目标多远 + 被拒多少次"分桶：
 
   | 桶 | 题数 |