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/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`）：