 cbb
|
b03c96982d
|
docs: 修正轮次49/50 那处说过头的措辞——门控不是时限收益"塌了"，是吃掉约四成(合并 +17 对 pre 的 +28)，损失集中在 seed=1
|
2026-10-21 01:57:18 +08:00 |
|
|
cbb
|
54fb50a9f1
|
docs: 排序修正+轮次53——把压在最新轮次之上的"轮次39"块移回它的位置；§9.2 记分板换到 K16+pre 现状
排序：倒序约定此前只在各轮之间成立，旧的"轮次 39"及其 4 个续篇块卡在候选表下面、
轮次 52 上面 ⇒ 打开日志第一眼是 39，看起来像"没再更新"。整块 67 行移到 轮次38 之前，
纯移动不改内容（字节数 188223 不变，LF 保持）。
轮次53（seed=1 逐题配对）：pre 在 §9.2 自己的 1.3x 口径上复现——s0 22新增/5失去 p=0.0015，
s1 17/6 净+11 p=0.035，合并 39/11 p=9.0e-5 ⇒ "打分地平线=执行地平线"确实买到时限这一栏。
门控20mm 在 s1 只有 12/11 净+1 (p=1.0)，合并 +17 p=0.024 ⇒ 修正轮次50 说过头的"塌了"，
准确说法是"门控吃掉约四成时限收益，损失集中在 seed=1"。
记分板更新（最好合法口径 = inc_cap+K16+pre，轮次51）：碰撞 0 / 超VMAX 0 达标；
可达到达 0.5967(差 38.3pp，相对控制净+11 题 p=0.061 未确立)；时限内 0.3594(唯一被配对证明)；
行程比 2.414(超 1.3 倍)；brake_rate mean 7.28% 但 p50=0.0%、p90 27.4%(长尾, stuck_share 17.2%)。
|
2026-10-21 01:55:57 +08:00 |
|
|
cbb
|
219ed19de4
|
exp+eval: 轮次51-52——2x2 补全 + 逐题老师用时落盘；1.3x 口径的时限收益其实是显著的
轮次51 (2x2 缺失格 K16+pre)：最好格 到达 0.5664 / 时限内 0.3594 / 2s误差比 0.1382 /
行程比 2.4142 / 碰撞 0 / 超VMAX 0。主效应：pre 在 K8 +6.64pp、K16 +6.25pp(时限)，
K16 在 endpoint +3.13pp、pre +2.73pp ⇒ 时限可加无交互；到达饱和(pre 在 K16 上净+1题 p=1.0)。
最好格 vs 历史控制逐题赢20丢9 净+11，McNemar p=0.061 ⇒ 到达仍未确立。
轮次52 (仪表)：dump 补 t_exp/tr_ref(题目属性，与臂无关 ⇒ 一条臂即可给全部历史臂补配对)。
改完落盘代码先自证行为未动：同配方控制臂 22/22 老键逐位相同；limit=2*t_exp 实测对上
⇒ "到达率自带 2x 时限"从推断变成实测。
逐题配对(vs K8 endpoint, 判据=ok 且 t_done<=1.3*t_exp)：
K16pre 27赢3丢 净+24 p=8.4e-6；K8pre 22/5 净+17 p=0.0015；门控5 23/6 p=0.0023；
门控20 22/6 p=0.0037；h=4 15/5 p=0.041；K16endpoint 17/9 p=0.169；h=8 11/7 p=0.481；
tie=1 3/0 p=0.25。
⇒ 自我纠正：轮次46-51 我一直拿 success(那道 2x 门)做配对，把"时限内"写成没有配对支持。
现在两栏分开：到达未确立(p>=0.06)，时限内已确立(p=0.0015/8.4e-6)。
副产物：K16+endpoint 的 +3.1pp 时限当初没有配对检验，实测 p=0.169 不显著，已在轮次52记下。
|
2026-10-21 01:48:46 +08:00 |
|
|
cbb
|
af856ca728
|
exp: 轮次50——门控20mm 的 seed=1 复现失败于幅度：时限收益 +6.25pp→+0.39pp，精度代价减小但未消除
两 seed 合并后必须更正轮次49 的一句话：到达题组内末态误差 vs 控制的符号检验 s0 67/57(p=0.419)、
s1 74/51(p=0.049)、合并 141差/108好 p=0.042 ⇒ 是"大幅减小"而不是"与控制不可分"。
中位数(+3.4%/+2.6%)与逐题分布给出相反印象，因为门控把尾部拉近中位、却把大量题各推一点。
到达两 seed 合并赢24丢21 净+3 p=0.766 ⇒ 这条轴上到达没有可用信号。
稳的部分：goal_ratio_2s 两 seed 都改善(0.170/0.201 vs 0.279/0.275) ⇒ "打分地平线=执行地平线"
买路上进度是唯一稳健效应。可推荐形态是 ungated pre，门控留给末态余量优先的场景。
统计自纠：精确 McNemar/符号检验原写法 2*Σ_{i<=min(k,n-k)}C(n,i)/2^n 在 k=n/2 中间点会算出 1.168>1；
改成 p=min(1,2*min(P(X<=k),P(X>=k))) 后重算本轮全部已上报 p 值，除中间点那例外数值不变
(0.125/0.424/0.678/0.455/0.327/0.042/4.9e-16/1.8e-12/2.4e-6 都对得上)，中间点正确值 p=1.0。
下一轮补 2×2 的缺失格 K16+pre 量可加性（已在盘三格），判读规则预注册。
|
2026-10-21 01:31:11 +08:00 |
|
|
cbb
|
97f746077a
|
exp: 轮次49——#31 门控地平线成立：终端段 20 mm 时时限收益与精度代价解耦
预注册判据(err_success_med 回到 ~0.22mm 且 time_ok>=0.31)由 20mm 臂满足：
0.2248 mm / 0.3281；到达题组内末态误差符号检验 67差/57好 p=0.42 ⇒ 与控制不可分
(pre h=2 是 82/42 p=4.2e-4，门控5mm 是 79/45 p=0.0029 仍显著变差)。
5→20mm 的分级响应是机理证据：病名是"终端代价的作用区间不够长"，不是"缺终端代价"。
不许只报好的那半：不存在同时占优的阈值——20mm 把 A 类到达打到 94/128(控制与5mm 都是 96)，
5mm 到达最高 0.5469 且行程比最好 2.4218 但精度仍显著变差。到达率在整条轴上都没跨过显著
(净 +3/+6/+5 题，McNemar p=0.68/0.33/0.42)，所以主口径仍写控制值。
四列 collision_rate/over_vmax_rate 全 0、n_plans_mean 全 195.0 ⇒ 没有放松判据、规划次数不变。
下一步 seed=1 复现(控制臂复用 round47_ep_s1)，判读规则已预注册。
|
2026-10-21 01:24:21 +08:00 |
|
|
cbb
|
801724bda2
|
exp+test: #31 机制落库——门控地平线 select=pre --pre_near（远端短前瞻、近终段用整条地平线）
轮次 48 的曲线给出：时限收益随 h 缩短单调上升，而末态精度代价集中在 h<=4 ⇒ 假设病因是
"近终段没有终端代价"而不是"前瞻短"。本参数把两者分开：当前误差<=pre_near(mm) 时打分退回
整条地平线，远端保持 commit 窗口口径。代价多一次 goal_err(B×K 点)，只在门控开启时发生。
单测按夹具手算：起点 e=900 ⇒ pre_near=950 必须在第一次规划就翻回 endpoint 的选择，
pre_near=100/0 必须保持 pre 的选择(三条断言彼此可分，门控若没接上会直接红)。
52 项测试绿；ast 复核新局部名(qa_pre/qa_full/e_pre/e_full)未遮蔽任何 rollout 形参。
判读规则预注册写在 ml/runs/_r49_gate.sh 顶部：成立=err_success_med 回到 ~0.22mm 且
time_ok 保住 >=0.31；只满足一半则记为机理负结论。两个阈值(5/20mm)都报，不挑最好。
|
2026-10-21 01:12:56 +08:00 |
|
|
cbb
|
36150242f2
|
exp: 轮次48——打分地平线四点曲线(h=2/4/8/16)：进度单调、精度代价阶跃在 h<=4、h=8 是坏点
时限内 0.2656/0.2813/0.3047/0.3320；2 s 误差比逐题符号检验随 h 缩短单调增强
(h=8 166:90 p=2.4e-6、h=4 184:72 p=1.8e-12、h=2 192:64 p=4.9e-16)；
到达四点全在噪声内(净 -1/+4/+5，McNemar p>=0.42)。
末态到达误差 0.2175/0.2255/0.3301/0.4151 mm ⇒ 代价集中在 h<=4，病因是"近终段没有终端代价"
而不是"前瞻短"，故派生 #31(门控地平线)、按预注册规则作废 #26。
h=8 行程比 2.6749 反而比控制 2.6158 更差 ⇒ "地平线砍一半"的渐进方案被中间点自己否掉。
判据与成本(实测非推算)：四点 collision_rate=0、over_vmax_rate=0、start_fail=0，
speed_ratio/accel_ratio 四点逐位相同，n_plans_mean 全为 195.0 ⇒ 规划次数与认证调用数不变。
|
2026-10-21 01:11:18 +08:00 |
|
|
cbb
|
b3c6ad995a
|
exp+test: #30 机制落库——select=pre 的打分步长做成参数 pre_h（h=4/8 两臂排队）
pre_h=0 保持"0=commit_n"的轮次46 口径逐位不变；pre_h>0 按绝对步数取 fut 的该步终点误差。
新增两条可手算的期望值：夹具交叉点 h=4 选候选0(0.343 vs 0.20)、h=12 选候选1(0.114 vs 0.60)、
h=16 必须与 endpoint 同选；再加一条不变式 pre_h=0 与 pre_h=commit_n 的轨迹逐位相同。
51 项测试绿；ast 枚举确认新局部名没有遮蔽任何 rollout 形参（上一轮 nmax 那类事故的自查）。
判读规则已预注册，写在 ml/runs/_r48_horizon.sh 顶部。
|
2026-10-21 00:58:37 +08:00 |
|
|
cbb
|
3c250c7df3
|
exp: 轮次46-47——select=pre(打分地平线=被执行前缀终点)正向，两 seed 复现
2 s 误差比逐题符号检验 s0 192好/64差 p=4.9e-16、s1 191/65 p=1.5e-15；时限内(≤1.3×老师)
0.2656→0.3320(+6.64pp)、0.2969→0.3398(+4.30pp)；行程比 −0.171/−0.171；碰撞仍 0、超 VMAX 仍 0。
到达只 +5/+3 题(McNemar p=0.42/0.68 ⇒ 噪声)，故不改默认口径、作可选口径入库。
代价：到达题末态误差 0.22→0.42 mm(判据壳 1 mm 内，余量 4.6×→2.4×)，两 seed 都涨。
对照可比性先证：控制臂 tie0 与轮次42 round42_K8cb1 的 22/22 键逐位相同 ⇒ 该配方跨窗口确定性
复现，本轮起新杠杆可用单臂对已落盘控制。
实现：select='pre' 用 fut[:,:,commit_n-1] 的终点误差(同一次 goal_err 只换点集)；两条可手算正对照
(前缀好/末端差 vs 末端好/前缀差 ⇒ 两口径必须选相反候选) + 不变式(commit_n=16 时与 endpoint 同选)；
49 项测试绿；n=16 冒烟证非惰性。候选表同步修准：backoff/ep_waste 两行状态改判掉，#29/#30 登记。
|
2026-10-21 00:57:08 +08:00 |
|
|
cbb
|
72c8835229
|
exp: 轮次45——tie(等长安全前缀按沿路最小间隙定夺)判掉
两臂 n=256 同 seed 背靠背(配方=轮次42 K8+cert_batch=1+inc_cap=1)：到达 0.5234→0.5039
(-1.95pp，逐题配对丢6赢1净-5，McNemar 精确 p=0.125 与零不可分)，时限内 +1.17pp、
刹停 -9%、行程比 -0.076、执行碰撞仍为 0(判据未放松)。丢的 6 题 5 题在 A 类(开阔区)
=买余量卖进度的签名。
仪表与离线数交叉验证：改选率 5.58% 对上轮次44 独立测得的"执行点间隙落在 0.2–0.5mm 占
5.6%"，并列率 79.0% 对上"满前缀 79.4%" ⇒ 分辨率上界被宽相位截顶 gcap=max(0.5,margin+0.5)
锁死，5.6% 是这个家族在 cap=0.5 下的天花板，不是实现没调好。
结构性发现：#24 作用在错的人群——tie 只在 maxlen>0 触发，而失败主人群是全拒(maxlen=0，
未到达题 22% 的规划)；全拒那条已由 backoff(轮次43)判掉。前置条件记为 #28(gcap 与
gap_margin 解耦)。
实现账：新增 tie 与触发计数器(生产端 per 数组+dump 键、消费端汇总 tie_* 同批改完，
tie=0 时 22/22 老键逐位复现)；修掉 tie 分支局部名 nmax 顶掉主循环总步数的遮蔽 bug，
守卫单测做过变异检查；计数器正对照可手算(tie_opp=tie_changed=n_plans)。47 项测试绿。
|
2026-10-21 00:33:44 +08:00 |
|
|
cbb
|
350f386c02
|
exp: #27——K16增益不集中在B/C(总体+3.9pp/净10题,B仅+4题不显著)；B刹停-29%但到达仅27→32%，证明B/C缺口是策略不产绕行而非闸门
|
2026-10-21 00:04:32 +08:00 |
|
|
cbb
|
1b301cc58e
|
exp: 分层指标三重交叉验证通过——success_reachable 0.5514/by_cat(B27%,C34%)/brake_rate p50 0.5%但p90 31.5%、stuck_share 23.4%；老22键逐位不变
|
2026-10-20 23:51:51 +08:00 |
|
|
cbb
|
a982b0755d
|
feat: 评估加分层读数——success_reachable(排除不可达D类)/by_cat 到达率/brake_rate_p90/stuck_share/n_plans_mean；CPU 冒烟全键产出、43 项测试绿
|
2026-10-20 23:44:59 +08:00 |
|
|
cbb
|
1a6840fc66
|
exp: backoff四臂判掉——转化率7.7→37%但到达/时限不赚(0.5234→0.5156)；且它单独改善brake_rate达16%而行为未变好=可绕过§9.2判据
|
2026-10-20 23:42:50 +08:00 |
|
|
cbb
|
abd66d6124
|
exp: 控制臂22/22键逐位复现+reverse_p50离线预测0.247精确命中；brake_rate首读mean10.03%/p50 0.51%(§9.2差5倍但中位已达标)
|
2026-10-20 23:23:50 +08:00 |
|
|
cbb
|
1bb74e4b00
|
docs: 冻住形态定案——B/C是每题~30次×1.8步的反复试探(零步29%)而非堵死；backoff预期=省停步不省通路，B类到达要靠#24排序避死路
|
2026-10-20 23:19:48 +08:00 |
|
|
cbb
|
309169a4ed
|
exp: ep_waste三臂负结论(行程比不随权重单调、w=1纯亏)；原因=罚在16步地平线而每拍只提交2步；刹停率与brakes/n_plans逐位对表
|
2026-10-20 23:18:25 +08:00 |
|
|
cbb
|
4b871a5f67
|
docs: 缺口按类别定位——A(无障碍)75%但B(直线被挡)27%/C(贴立柱)34%；纠正D类(不可达)混入到达分母的口径(+2.8pp)
|
2026-10-20 23:06:28 +08:00 |
|
|
cbb
|
c89105996d
|
docs: 刹停长尾定量化——48.8%题零刹停、前20%题占72.4%事件；杠杆必须分层报(brake_rate_p90/stuck_share)，否则对尾巴有效的改动在均值上看不出来
|
2026-10-20 23:03:51 +08:00 |
|
|
cbb
|
27c8cbf111
|
exp: 轮次41——K16串行/批量决策逐位相同(等价性扩到K=16)+墙钟-18%；brake_rate首读mean7.06%但p50=0，刹停集中在一小撮卡住的题
|
2026-10-20 23:03:06 +08:00 |
|
|
cbb
|
fb836e699a
|
docs: #24 设计定稿——先算全候选间隙矩阵同时供打分与认证(零额外几何调用)，口径强制走批量认证
|
2026-10-20 22:55:49 +08:00 |
|
|
cbb
|
274e916352
|
docs+fix: 代价探针第一版把整次调用当一次规划(绝对值大四倍)；改为两长度解固定开销，并记清串行早停/批量随K两种相反响应
|
2026-10-20 22:55:24 +08:00 |
|
|
cbb
|
ebd4c20a28
|
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
|
2026-10-20 22:54:08 +08:00 |
|
|
cbb
|
00602f3f0b
|
exp: #21定案——关闸后两段每格都不更差(碰撞步58.3→45.1)，主因是候选塌缩35倍；安全层值25.4pp到达但净收益为正(纯策略无碰撞到达仅0.359)
|
2026-10-20 22:53:07 +08:00 |
|
|
cbb
|
04fe4a007b
|
docs: 补 §9.2 记分板——碰撞/超VMAX 已达标，到达差41.8pp、行程超1.4倍、P99差2~3倍、刹停率估≈9.9%(判据互相拉扯，单格变好必须同报其他格)
|
2026-10-20 22:51:30 +08:00 |
|
|
cbb
|
c9344599af
|
exp: 多段推理代价实测(2段+5.97ms/4段+17.7ms/8段+42ms，B=1 K=8)——靠段数补偏差不进 20ms 预算
|
2026-10-20 22:50:41 +08:00 |
|
|
cbb
|
b30c271896
|
exp+fix: 候选塌缩定案(steps=2 把K条候选抹平35倍)+z_scale反例；补 n_plans/brake_rate 核算§9.2刹停率；记录我在链式作业排队期间改库导致两臂未跑的事故
|
2026-10-20 22:48:51 +08:00 |
|
|
cbb
|
4597569dd8
|
exp: 轮次39——试候选数四档成本-收益曲线：到达0.402→0.562、刹车60.4→13.8、串行认证墙钟×5.1，碰撞全程0
|
2026-10-20 22:43:12 +08:00 |
|
|
cbb
|
ea762a331f
|
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
|
2026-10-20 22:42:11 +08:00 |
|
|
cbb
|
c5fccf1e48
|
docs: 候选清单按实测重排——K=16 升到第1(正向)，ep_len 降为负结论，ep_waste 补位
|
2026-10-20 22:38:47 +08:00 |
|
|
cbb
|
671f1bdc89
|
exp: 轮次39——K=16 正向结果：到达+3.9pp/时限+3.1pp/刹车-30%且碰撞仍0；仪表对表 1.575/6=0.2625 vs 离线预测0.247
|
2026-10-20 22:37:40 +08:00 |
|
|
cbb
|
b2cf03016b
|
exp: 轮次39(续)——四个新指标端到端到达产物(CPU冒烟，真实运动学)；对backoff四臂预注册判读规则(转化率13%量级的两种解释)
|
2026-10-20 22:35:57 +08:00 |
|
|
cbb
|
a159723e5b
|
docs+exp: 第二次纠正换向分组——按与rollout同窗口重算后两组差不多(0.247全体/到达0.265/未到达0.233)，换向是全局现象而非失败特征；给出backoff对照臂的可证伪预测0.247
|
2026-10-20 22:33:29 +08:00 |
|
|
cbb
|
a34a3c0bb5
|
docs: 撤回换向分组结论(旧口径漏计停住再反向，净/行程与线上口径都给反向)；len_w 的单调改写成噪声量级说明
|
2026-10-20 22:30:52 +08:00 |
|
|
cbb
|
585c50dbb9
|
exp: 轮次39(续)——ep_len 三臂：时限内单调+2.4pp 但行程比单调变差，负结论；改上 ep_waste
|
2026-10-20 22:28:45 +08:00 |
|
|
cbb
|
27414bfae7
|
fix+test: reverse_rate 口径改为换向(步,轴)对/活动(步,轴)对，与离线分解同分母；正对照改成可手算的 2/18
|
2026-10-20 22:28:10 +08:00 |
|
|
cbb
|
3e015b7485
|
feat+test: 换向率 reverse_rate 进闭环指标（按轴方向翻转/活动步，站住不重置），带正对照单测
|
2026-10-20 22:26:34 +08:00 |
|
|
cbb
|
078f7cd451
|
feat+test: select=ep_waste 白费比例惩罚(罚度按当前误差缩放)；单测抓到我把净位移对时间轴求和写成了对轴求和(frac 恒 0)
|
2026-10-20 22:24:49 +08:00 |
|
|
cbb
|
d632924446
|
exp: 轮次39(续)——行程超出2.4倍的成因是换向抖动(23.5%步换向、净位移只占44.5%)；len_w=0.1 罚不动量级不匹配
|
2026-10-20 22:19:21 +08:00 |
|
|
cbb
|
95b55fe69d
|
exp: 轮次39(续)——执行余量审计：91%执行点≥0.5mm但每题最险点中位仅0.029mm；到达题全拒0.88% vs 未到达22%
|
2026-10-20 22:13:44 +08:00 |
|
|
cbb
|
422fb8b72f
|
exp+fix: 轮次39——backoff=0+cert_batch1 与轮次33 cap 逐项相同(重写批量分支无行为变化)；修 backoff 指标被 eval_cl 显式键列表丢掉
|
2026-10-20 22:10:44 +08:00 |
|
|
cbb
|
cd6913b136
|
feat+exp: 轮次39——候选档位开关 --z_scale 与行程惩罚 select=ep_len/--len_w（零权重与 endpoint 逐位相同，2 条机制单测）
|
2026-10-20 22:05:12 +08:00 |
|
|
cbb
|
cad8bb44f0
|
exp: 轮次38(补)——steps=8 时限0.324/行程比1.87继续变好但到达仍0.41；顶部摘要刷新到当前口径并加候选清单
|
2026-10-20 21:59:19 +08:00 |
|
|
cbb
|
f42d3d756f
|
exp: 轮次38(补)——steps=4 末态误差0.135mm最优但仍被拒80次/题；失败分类证明缺口是走一半被冻住(63/109)
|
2026-10-20 21:57:02 +08:00 |
|
|
cbb
|
b9548d6cb1
|
docs: 探索日志改为倒序——最新一轮在最上面（内容守恒断言：除说明行外一行不许多或丢）
|
2026-10-20 21:55:15 +08:00 |
|
|
cbb
|
2079164cac
|
docs: 轮次38——改正我自己写的(B)假设：线上安全层只做点检不含位移界；并记下 DAgger 采集同样是一步口径
|
2026-10-20 21:52:46 +08:00 |
|
|
cbb
|
e7d1a39519
|
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
|
2026-10-20 21:51:54 +08:00 |
|
|
cbb
|
3b8682a345
|
feat: 目标写法开关 mf_target(mf/lin/sq/mid)，默认 mf 且原地路径逐位不变；float32 接线用解析高斯场自证
|
2026-10-20 21:48:28 +08:00 |
|
|
cbb
|
78786881e7
|
test: 轮次37(补)——解析高斯场给目标写法做不动点判决：sq 权重只线性收敛(结构性少修一半)，lin/mid 二次收敛
|
2026-10-20 21:44:50 +08:00 |
|
|
cbb
|
a4cac354ea
|
exp: 轮次37——K-MF 方案核查：Eq.7 抄法不动点不自洽(1.87×)，一步输出比自身2段采样离老师远10倍
|
2026-10-20 21:38:40 +08:00 |
|