exp: 轮次38——两段推理开环更贴老师、行程比更近1，但闭环到达降14.8pp：瓶颈移到安全层拒绝率

docs/experiment_round36_steps2_cap0.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_steps2_cap0_rows.json",
+    "out": "docs/experiment_round36_steps2_cap0.json",
+    "trace": null,
+    "select": "endpoint",
+    "replan": "empty",
+    "safety": 1,
+    "partial": 1,
+    "inc_cap": 0,
+    "gap_margin": 0.0,
+    "cert_batch": 0,
+    "steps": 2,
+    "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": 0.42578125,
+    "collision_free_success": 0.42578125,
+    "time_ok_1p3": 0.35546875,
+    "collision_rate": 0.0,
+    "collision_steps_mean": 0.0,
+    "travel_ratio_median": 1.5711719989776611,
+    "time_mean_s": 1.6664220094680786,
+    "brakes_mean": 86.30859375,
+    "start_fail": 0.0,
+    "goal_ratio_2s": 0.29959768056869507,
+    "err_fail_med": 405.61505126953125,
+    "err_success_med": 0.24314510822296143,
+    "dls_share": 0.453125,
+    "time_budget": "teacher×2(≥3 s)",
+    "speed_ratio_p50": 1.6600004434585571,
+    "speed_ratio_p95": 1.6600035429000854,
+    "speed_ratio_max": 1.660003662109375,
+    "over_vmax_rate": 0.91015625,
+    "accel_ratio_p95": 1.0188239812850952,
+    "accel_ratio_max": 1.4423871040344238
+  },
+  "simulation_wall_s": 304.77464890001283
+}

docs/experiment_round36_steps2_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_steps2_cap1_rows.json",
+    "out": "docs/experiment_round36_steps2_cap1.json",
+    "trace": null,
+    "select": "endpoint",
+    "replan": "empty",
+    "safety": 1,
+    "partial": 1,
+    "inc_cap": 1,
+    "gap_margin": 0.0,
+    "cert_batch": 0,
+    "steps": 2,
+    "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": 0.39453125,
+    "collision_free_success": 0.39453125,
+    "time_ok_1p3": 0.296875,
+    "collision_rate": 0.0,
+    "collision_steps_mean": 0.0,
+    "travel_ratio_median": 1.8436782360076904,
+    "time_mean_s": 1.9299010038375854,
+    "brakes_mean": 86.15625,
+    "start_fail": 0.0,
+    "goal_ratio_2s": 0.384182870388031,
+    "err_fail_med": 376.4237976074219,
+    "err_success_med": 0.2933140993118286,
+    "dls_share": 0.4453125,
+    "time_budget": "teacher×2(≥3 s)",
+    "speed_ratio_p50": 1.0000016689300537,
+    "speed_ratio_p95": 1.0000038146972656,
+    "speed_ratio_max": 1.0000101327896118,
+    "over_vmax_rate": 0.0,
+    "accel_ratio_p95": 0.8507659435272217,
+    "accel_ratio_max": 0.9923425912857056
+  },
+  "simulation_wall_s": 319.5858334999939
+}

docs/探索日志.md

@@ -796,6 +796,30 @@
   - **收敛阶分开"有偏"与"无偏"**（区间长度 0.2→0.1→0.05，σ=2 的相对偏差）：`sq`（按方案抄的 (1−λ)²/λ²）0.426→0.133→0.057，比值 ≈0.4 ⇒ **只有线性收敛 = 结构性少修一半**；`lin`（换成系数和为 1 的线性权重）0.042→0.015→0.004、`mid`（整条修正移到中点）0.147→0.042→0.010，比值 ≈0.25 ⇒ 二次收敛，只剩积分误差。
   - 跨整段 (0,1) 时**所有**单点导数写法都不可信（σ=2：sq 1.92、lin 1.84、mid 4.15 倍偏差），跨半段就降到 0.44–0.85 ⇒ 与 E1-b 的实测同向：**一步跨完本身难，两段就便宜一个量级**。这不是训练的毛病，是写法本身的量级。
 - 测试 35→38 项（缩步档 3 项）+ 新文件 `tests/test_meanflow_targets.py` 3 项 ⇒ 共 41 项。
+- **目标写法开关已落地但默认不启用**（`ml/model/meanflow.py` 新增 `avg_velocity_target(..., target='mf'|'lin'|'sq'|'mid', lam)`，`ml/train.py:162` 从配置读 `mf_target`/`mf_lam`）：
+  - 默认 `mf` 分支与原实现**逐位相同**（测试用同一批输入把老写法重构出来对拍 `u`、`u_tgt`、`z` 三个张量，rtol=atol=0）。
+  - 接线自证：把解析高斯场做成桩喂进 `avg_velocity_target`，float32 下三种写法的偏差与 float64 解析值逐位到小数四位一致（sq 0.4262→0.1332→0.0567、lin 0.042→0.0149→0.0038、mid 0.1465→0.0422→0.0104）⇒ z_c、切向量、r 槽换位没接错。
+  - 加这个开关不是为了训它，是为了"E2 若要训，先有一条不改默认路径的口子"。要不要付这次训练，等 #21 的判别结果（见轮次 38）。
+
+## 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 |
+  |---|---|---|---|---|---|---|---|
+  | steps=1 cap=0（=轮次33 base） | 0.5742 | 0.3906 | 19.25 | 2.31 s | 2.445 | 0.189 mm | 0.625 |
+  | steps=2 cap=0 | 0.4258 | 0.3555 | **86.31** | 1.67 s | **1.571** | 0.243 mm | 0.453 |
+  | 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 |
+
+  （`docs/experiment_round36_steps2_cap{0,1}.json`；steps=4/8 同批续跑）
+- **反直觉但自洽的一组数**：两段推理**开环更贴老师**（E1-b：0.43 vs 4.33）、**行程比更接近 1**（1.571 vs 2.445）、**到了的题还更快**（1.67 vs 2.31 s），但闭环到达掉 14.8 个百分点。逐题对照：108 题两者都到、**39 题只有 1 步能到、只有 1 题是 2 步独有** ⇒ 不是"换了一批题"，是同一批题里 1 步原本能做对的那部分被卡住了。
+- **卡点在安全层不在策略**：刹车从 19.25 → 86.3/题（4.5 倍），未到达组的刹车中位数从 45 → 176（几乎每步都被拒 ⇒ 原地冻结，末态误差 p50 也从 230 → 406 mm）。也就是说**发布的那 57.4% 是与"一步那套偏置且被削弱过的动作"共同标定出来的**：策略、反馈增益、认证口径、DAgger 采集分布四者都围着它。
+- **两种解释必须分开，否则下一步会走错**：
+  - (A) 两段动作确实更危险（位移更大 ⇒ 真的穿模）；
+  - (B) 认证过度保守（界随位移线性放大 ⇒ 明明安全的更大步也被拒）。
+  判别实验：`--safety 0` 的 steps=1 vs steps=2 对照 + 候选多样性探针（两段积分是否把 K 条候选吸到一起，让安全层没有备选可退）+ steps 的 B=1 代价实测。脚本 `ml/runs/_safetyoff_ab.sh`，结果见下面补记。
+- **对 K-MF 那条训练路线的直接含义**：把角点"训准"会让动作分布变成现在两段那样 ⇒ 按当前认证口径，到达率可能**先降**。所以训练不是下一步，先做 (A)/(B) 判别；若是 (B)，收紧认证（细分/更紧的界）比训模型便宜得多，而且是 50 Hz 也必须的那块。
 
 ## 分支清理（2026-10-20）