docs: 到达率上限框架(可拿区间0.5234→0.7773，全部是被拒的活路)；#24 间隙进打分列入候选首位

docs/探索日志.md

@@ -31,6 +31,7 @@
 
 | 序 | 候选 | 支撑证据 | 状态 |
 |---|---|---|---|
+| 0 | **把"沿路最小间隙"接进候选打分**（#24） | 安全层的拒绝是真实几何（端点/中点穿模），而 `cert_batch=1` 已经在同一次 gaps 调用里算了 K 条候选各 `2·commit_n` 个点的间隙——**这些信息目前只用来判通过/拒绝，没进打分**。做法：`score = −e_end − w·relu(gap_ref − min_gap_path)`，让"会穿模"的候选在排序阶段就出局，而不是等安全层全拒。代价为零（同一批数），判据完全不放松 | 待实现（链跑完后动库） |
 | 1 | **候选数翻倍 K=8→16** | 轮次 39 实测：到达 **+3.9 pp**、时限内 **+3.1 pp**、**刹车 −30%**（19.55→13.77）、碰撞仍 0、行程比不变 ⇒ 很多"全拒"是**没备选**而不是真没路 | **正向**；认证/打分成本要用独占微基准量完才能谈部署 |
 | 2 | **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；但 4 题 CPU 冒烟提示转化率只 ~13% | 代码与单测已落，256 题四臂待补跑（判读规则已预注册） |
 | 3 | **白费比例惩罚**（`select=ep_waste --len_w`，罚 `1−同轴净/总` × 当前误差） | 换向是**全局**现象（~1/4 的(步,轴)对在反向，到达/未到达两组差不多）；净位移只占总行程 0.445 | 已实现+正对照单测（可手算 2/18）；三臂排队 |
@@ -107,6 +108,15 @@
 - **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。
 
+## 到达率的上限在哪（把 #21 的数读成"还剩多少可拿"）
+
+- 两条界都在同一 256 题、`--inc_cap 1` 口径下量得：
+  - **不要求无碰撞**：纯策略到达 **0.7773**（一步）/ 0.8164（两段）——这是"控制器本身能把活干完"的上限。
+  - **要求无碰撞**：纯策略只有 **0.3594**（一步）/ 0.3750（两段）——这是"完全没有安全层"时的下限。
+  - 当前部署口径（开安全层、K=8）= **0.5234**；K=16 = **0.5625**。
+- 所以可拿的区间是 **0.5234 → 0.7773**（+25.4 pp），而它不是靠放松判据拿：这段全部是"被拒的候选里其实有安全的路"。#24（间隙进打分）与候选数（#1）是同一件事的两个方向——前者让排序避开死路，后者多给几条活路。
+- 反过来，纯策略无碰撞到达 0.359 也说明**不能靠"少拒一点"来吃这 25 pp**：拒得越少，穿模越多。只有"选得更准"才吃得到，这也是为什么把已有的间隙数喂给打分比再加余量门限更值钱。
+
 ## 判别定案（#21）：两段动作不是"更危险"，是"没有备选"；顺带量出安全层值多少到达
 
 - 关安全层（`--safety 0`，同 256 题、`--inc_cap 1`，只改段数）：