ML 运行手册审查（ml/README.md）· 精简版

六轮历史（0218d7f → a5e779c）：第一轮 13 条、第二轮可行性、第三~五轮处置、第六轮本机实跑。已解决的条目按用户要求删去，完整原文在 git 历史里。本文件只剩三部分：仍有效的实测数字 / 仍未解决的问题 / 已复核正常的项，供实现方下一轮处置。

环境：本机 CBB-003（RTX 3090、28 核、Python 3.12 + torch 2.10 + onnxruntime 1.22、Edge + onnxruntime-web 1.20.1）。当前结论：第 1–6 步已实测可跑；第 7–13 步零证据；R4 部署口径（纯推理）已判通过；阻断本机跑 r4 / all 的三处见 A 组。

一、仍有效的实测数字（后续对照用）

项	数字	口径
对拍 300 条	PASS（fk 3.4e-13 mm、特征 6e-8、间隙梯度 1.4e-6），7.6 s	第 2 步
生成	1.56 s/条（80 条 122 s）	第 4 步
统计	keepRate 0.977、samplesPerTask 36.5、projected 178.4 万、exec_s p50 2.3 / p90 3.0 / max 3.7 s、cert.minGap p50 4.4 / p90 5.9 mm	88 条，未加 3 mm 过滤
预训练	4.92 M 参数、6208 样本/s（batch=1024）→ 60k 步 ≈ 2.8 h	250 步冒烟

R4（随机初始化模型；延迟只取决于结构，与是否训练无关）：

接口	线程	proxy	P50	P95	P99
enc_once（部署口径）	16	开	7.36	9.48	11.07
enc_once	4	开	10.22	11.69	12.92
enc_once	16	关	7.43	9.21	10.79
旧接口（对照）	16	开	9.53	11.29	16.47
旧接口	4	开	13.88	16.35	17.19

tickGapMax 全部 ≈21.5 ms（20 ms 节拍没被卡住）。背景：第五轮前默认（4 线程、无 proxy、旧接口、真查看器）P99 37.0；线程扫描 8 线程 24.9 / 16 线程 19.5 / 24 线程 25.8 → 16 最优，超线程反而挤。部署口径纯推理 P99 11.07 < 15，R4 判通过；enc_once 相对旧接口省约 30–33%。

真查看器同一会话（随机权重、?policy=1&probe=1）：inferMs P50/P99/max = 30.36 / 61.64 / 68，safetyMs = 63.52 / 248.76 / 320.6；622 次 plan、brakes 4、locks 48、projected 283、lookahead 219。单变量对照：__POLICY.stop() 后纯 infer 7.5 / 9.7 ms → 差额是主线程排队，不是模型慢。

二、仍未解决的问题

A. 会直接中断本机一键流程的三处（已定位、未修）

A-1 探针页复用 detached tensor（webapp/r4_probe.html:28、:30） proxy=1 时 ORT 把输入 buffer transfer 给 Worker，而页面把 feat 建在循环外、run() 每次复用同一个 Float32Array → 第二次 run() 报 Tensor's size(83) does not match data length(0)。两种 proxy 配置全挂 → r4.json pass:null、r4_probe.py 非零退出、阶段 rc=1（all 因此会停）。修法：把 feat 的分配移进 run()（每次新建，一行）。判据：bash ml/pipeline.sh r4 四种配置都出数、pass 非 null。证据：改过一行的副本四种配置全部正常（上表 16 线程行即出自副本）；查看器 Runner._plan 每次新建、不受影响（ik-policy.js:257-258）。

A-2 pipeline.sh 7 处 json.load(open(...)) 无 encoding='utf-8'（:90 :110 :118 :127 :136 :138 :144）已复现：:110 读 r4.json（r4_probe.py:113 以 ensure_ascii=False 写出、含中文）→ Windows GBK 报 UnicodeDecodeError: 'gbk' codec can't decode byte 0xa7。后果不是"读不到就用默认"，而是命令替换为空 → 上层分支走错。其余 6 处同写法；stats.json 由 node JSON.stringify 写出（不转义非 ASCII），文件里一旦有中文就同样炸。统一补 encoding='utf-8' 即可。

A-3 &ortLocal=1 + 默认 proxy 必然失败 ik-policy-glue.js 把 ort.env.wasm.wasmPaths 设为相对前缀 vendor/ort/，ORT 对 .mjs 走 import() 需要绝对说明符 → no available backend found. ERR: [wasm] TypeError: Failed to resolve module specifier 'vendor/ort/ort-wasm-simd-threaded.mjs'。README 明确支持的离线部署路径在默认配置下不可用。（ortLocal=1 + proxy=0 未测；wasmPaths 与 proxy 无关，大概率同样失败。）

B. 待实现方判断（数据已摆在上面；分歧按第五轮第〇节规则，以实现方为准）

B-1 R4 判据用哪个口径。 纯推理 P99 11.07 判通过；但同一台机、同一会话，整周期 plan = infer 61.6 + safety 248.8（P99），随机权重下 1/3 的规划 >100 ms。如果 R4 的意义是"浏览器能不能按 60 ms 周期推一次"，纯推理口径会放过实际丢步的配置。供下一轮的建议（不要求现在改）：r4.json 记两个数 infer_p99 与 plan_p99 = infer + safety，后者另设一条线（如 <45 ms，给 60 ms 周期留余量）。

B-2 safetyMs 两把尺。 bench 在 Node 里跑同一份 ik-policy.js（CPU EP），浏览器里同一段代码 p99 249 ms——互不可替代，与"仿真安全层 ≠ 部署运行时"是同一类问题换了个位置。判据：同一批贴柱题两边各测一次，差 >3× 就要解释。建议核对 certBudget=40 在贴柱位形下的实际查询次数与 makeCert 的 memo 命中率——249 ms 的量级不是"随机策略质量"能解释的；真模型是否不同未知。R9 至今无有效数据（探针只测纯推理；闭环丢步率因探针一运行 CDP 就拿不到执行槽而没采到——这本身是主线程拥挤的证据）。

B-3 WebGPU 是判定顺序里的备用通过路径，但至今零数据。 第五轮判定顺序写了"wasm 不过而 WebGPU 过，也判通过"，本机 headless 报 [webgpu] backend not found，且 CDN 间歇不可达（jsdelivr 多次 000、unpkg 200）→ 需要一条真能测到 WebGPU 的路（非 headless，或 A-3 修好后本地放 ort）。

C. 尚未实测（跑之前必须知道这些是空的）

第 6–13 步全部没跑过：train 只有 250 步吞吐冒烟；m5 / apg / mine / export / bench / accept 零实测；all 端到端从未完整跑通。一次完整流程机时下界约 15–28 h，其中 apg 2–4 h/轮、mine 6 轮都是估的。
3 mm 间隙过滤的真实剔除比例（gapDrop）没测过：只测过沙箱 30 条（剔 9/29，不具代表性）；上表 p50 4.4 mm 是未过滤口径。生成后看 stats.json 的 gapDrop。
R2 新判据（label_std_norm）的池无关性：需在 1.7 M 样本上 --pool 50000 与 --pool 200000 两跑、差 <0.02 才成立；没做。默认 R2_STRICT=0 只警告，开着就是一道未校准的闸。
R8 出题耗时：沙箱 2 题 9 分钟没出完；本机未测（policy_bench.json 会记 requested / genS，不足额时看警告）。
Windows 侧生命周期全部未实测：关控制台黑窗口训练是否继续（CREATE_NO_WINDOW）、/proc/$$/winpid + taskkill /T 能否结束整树、Git Bash 自带 timeout 能否把 TERM 送到 python / node。
断点续跑的沙箱自测未在本机复核：gen 截断续写（「续写：已有 N 条」）、train STOP 存档（rc 143、last.pt 第 N 步）、apg --resume、prep 二次运行「待打包 0 个」。

D. 小遗留

webapp/models/README.md 过时：还写"由 --fp16 生成"、指向"第 8 步"（现为第 10 步、默认 fp32）。

三、第六轮已复核正常（不在问题清单里）

锁：r4 阶段拿到 ml/runs/pipeline.lock，结束已删。
N-5 三处防护在位：查看器拒绝 random_init（提示 &probe=1）、policy_bench.cjs 拒绝、acceptance 有"部署模型是训练产物"项。
enc_once 运行时对接一致：只送 1 行特征（ik-policy-glue.js:52 / ik-policy.js:344），旧模型回退 [B,F]。
r4 导出：19.76 MB、enc_once=true、与 torch 对拍 2.2e-7。

四、建议顺序

A 组三条都是分钟级修复；修完立刻重跑 bash ml/pipeline.sh r4，验收 pass 非 null。
然后 FROM=gen TO=prep 跑一次（数小时），拿 gapDrop 与 R2 两个口径的数——C-2 / C-3 随之消掉，B-2 的 Node 侧安全层数字可顺手从 m5 前的 bench 拿。
B 组等上面的数字齐了再定；C-1 / C-5 / C-6 随第一次真跑逐项核对。

8.1 KiB Raw Blame History Unescape Escape