exp+fix: try3 反向档位(刹车+93%/到达-6.6pp)与 K16 构成试候选数的单调轴；reverse 指标补动步口径+可手算负对照

docs/experiment_round39_try3.json

@@ -0,0 +1,77 @@
+{
+  "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": 3,
+    "sel_w": 0.1,
+    "dls_safety": 1,
+    "fb_clear": 0.0,
+    "fb_cmin": 0.3,
+    "sub_refresh": 0,
+    "fb_block_gain": 0.5,
+    "dump": null,
+    "out": "docs/experiment_round39_try3.json",
+    "trace": null,
+    "select": "endpoint",
+    "replan": "empty",
+    "safety": 1,
+    "partial": 1,
+    "inc_cap": 1,
+    "gap_margin": 0.0,
+    "cert_batch": 0,
+    "steps": 1,
+    "z_scale": 1.0,
+    "len_w": 0.0,
+    "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": 0.45703125,
+    "collision_free_success": 0.45703125,
+    "time_ok_1p3": 0.23828125,
+    "collision_rate": 0.0,
+    "collision_steps_mean": 0.0,
+    "travel_ratio_median": 2.529658794403076,
+    "time_mean_s": 2.3210256099700928,
+    "brakes_mean": 37.75390625,
+    "start_fail": 0.0,
+    "goal_ratio_2s": 0.3564552068710327,
+    "err_fail_med": 220.24862670898438,
+    "err_success_med": 0.23727791011333466,
+    "dls_share": 0.56640625,
+    "time_budget": "teacher×2(≥3 s)",
+    "speed_ratio_p50": 1.0000016689300537,
+    "speed_ratio_p95": 1.0000101327896118,
+    "speed_ratio_max": 1.0000101327896118,
+    "over_vmax_rate": 0.0,
+    "accel_ratio_p95": 1.0000016689300537,
+    "accel_ratio_max": 1.0000101327896118,
+    "reverse_p50": 0.22442243993282318,
+    "reverse_mean": 0.23038837313652039
+  },
+  "simulation_wall_s": 170.3933407000004
+}

docs/探索日志.md

@@ -107,6 +107,22 @@
 - **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。
 
+## try3 反向档位 + 换向指标的稀释修正（轮次 39 续）
+
+- `--safety_try 3`（只允许安全层试按分数排序的前 3 条候选，其余不变、仍 `--inc_cap 1`）：到达 **0.4570**（对照 0.5234，−6.6 pp）、时限内 0.2383（−2.7 pp）、**刹车 37.75**（对照 19.55，+93%）、行程比 2.530、碰撞仍 0（`docs/experiment_round39_try3.json`）。
+- 把"允许试几条候选"这条轴摆开，是**单调**的：
+
+  | 试候选数 | 到达 | 时限内 | 刹车/题 |
+  |---|---|---|---|
+  | 3 | 0.4570 | 0.2383 | 37.75 |
+  | 8（对照） | 0.5234 | 0.2656 | 19.55 |
+  | 16 | 0.5625 | 0.2969 | 13.77 |
+
+  ⇒ "全拒是没备选而不是真没路"这条假设有**双向**证据（减档更差、加档更好），不只是单点相关。边际收益在递减：3→8 值 +6.6 pp，8→16 只值 +3.9 pp。
+- **但不能当部署结论**：认证点数与候选数成正比（K=8 每次规划 32 个点 → K=16 是 64 个），而 GPU 周期 P50 已经是 33.5 ms、超 20 ms 预算。所以接下来必须先量 `K=8 vs 16` 的 B=1 独占微基准（`ml/runs/_kcost_probe.py`，已验证调用签名）；如果 K=16 把周期推到 45 ms 以上，这条路就只能靠"一次批量调用覆盖全部候选"把常数项压回去（轮次 34 已证批量把最坏 80.2→37.1 ms）。
+- **换向指标被刹停稀释，已修**：try3 报 `reverse_p50=0.2244`，比对照的离线同窗口值 0.247 **还低**，而它恰恰是站住最多的臂——因为分母 `nact` 把站住的步也算进去了。补了两个口径：`reverse_rate_moving`（只算动过的步）与 `moving_share`（动步占比，=1−站住比例）。
+  配套写了**可手算的负对照**：`+0.9 → 站一拍 → −0.9` 这一条轨迹给 1/18（全步口径）vs 1/12（动步口径）、moving_share=2/3 ⇒ 稀释效应是真的，不是猜的。写夹具时又踩一次自己的坑：`commit_n=1` 时每拍都重新规划、永远只执行候选的第 0 步，序列里的 0 与 −0.9 根本没被执行到（末步报 3.24° 而不是 0°）——夹具必须按"一次规划提交 3 步"来构造。测试 42→43 项全绿。
+
 ## K16：候选数翻倍是本轮第一个正向结果（轮次 39 续）
 
 - 同一 256 题、同 seed、`--inc_cap 1`、其余配方不变，只把 `K` 从 8 加到 16（`docs/experiment_round39_K16.json`）：