cbb bb919d33c9 exp(dagger-deploy): 轮次20——反馈蒸馏（17.7万样本+3000步微调）负结论：gain=0 时到达仅0.8%（反馈未内化），gain1.8 与基线持平（43.4 vs 43.8）

2026-10-20 08:42:29 +08:00

..

__init__.py

fix(train): 首次正式预训练（21850 步闭环到达 0%）排查后修正——FK/平滑改加在配对去噪估计上（原加在随机噪声一步采样上=回归条件均值，多峰塌成单峰，实测候选标准差 0.030/幅度 0.151）；时间嵌入最高角频率 1000→50、MF 分支 fp32、p_neq 前 5000 步为 0（实测 du/dt 均方根 6–12 vs v 1.1）；增广 40%/3°/12 步收回；新增 dagger 阶段（策略闭环状态请老师重规划 ×2 轮微调）；开训前老师轨迹回放自检；评估加开环误差与候选多样性，best/早停按到达率+开环误差

2026-10-18 15:56:39 +00:00

collect.py

exp(dagger-deploy): 采集支持 fb_gain+safety（训练分布=部署分布）；新增 base_dag2 配置（同 base）

2026-10-20 03:40:15 +08:00

distill_fb.py

exp(dagger-deploy): 轮次20——反馈蒸馏（17.7万样本+3000步微调）负结论：gain=0 时到达仅0.8%（反馈未内化），gain1.8 与基线持平（43.4 vs 43.8）

2026-10-20 08:42:29 +08:00

run.sh

exp(dagger-deploy): 采集支持 fb_gain+safety（训练分布=部署分布）；新增 base_dag2 配置（同 base）

2026-10-20 03:40:15 +08:00