Freeze S3-A execution contract and cache-only scoring for main review
This commit is contained in:
1 parent
296c7fb741
commit
b0390231f0
14 files changed
+19188
No files matched your search
@@ -35,3 +35,7 @@ Yanqi 经 TRON 在本会话与 Slack `1794661756.347349` 同步:
|
||||
Grok `1794661806.338179` 已正式见证 PASS。Claude `1794661802.418469` 与纠正后的 `1794661944.308269` 给出后续顺序:托管关联 → 无场标签合成复制定标 → 双路 k=3 候选计数 → 固定 det 分支配准(≤4,000 对、≤100 worker CPU-h、≤16 workers;超过 4,000 先报告)→ 阈值带小盲审 → 冻结组件,再衔接十件预处理、R2-G24/N/E 与 pilot。此为持续推进下 Claude 的阶段裁量;前述早期 E1 范围记录保留历史含义,不应再解释为后续每批次都要用户审批。实际校准、候选、配准和 pilot 各自在对应记录中陈述执行状态,不把裁量当作已经完成。
|
||||
|
||||
Claude 已撤回“约 6% 亲缘率上界”和“跨键更少”的外推;本批分层同键对仅确认 2 个视觉 rigid 对,27 个未决非负例,三类留验不足,跨键召回未认证。保守并组是工程取舍,并非统计保证。
|
||||
|
||||
## S2结果回顾后:S3-A准备,待一次主审(2026-11-15)
|
||||
|
||||
已汇总Claude1794732043的方向裁量、Mold1794732176对D3实际材料/源码的最终核读和既有Grok1794731529对S2结果的定点核对。研究目标、新强基线、已检验/未检验命题与D2/D3解释边界收于`docs/s3a-execution-contract-2026-11-15.md`。S3-A仅两条R2新增特征臂;复用原R2,不再解码标签。17项合成验收通过,合同/评分冻结,实际队列尚未实现或启动。Claude要求一次合同主审;这不是再次请求用户分享许可。S3-B未启动,O1仍独立开放,不重复计算已完成的D1-D4。
|
||||
@@ -1,3 +1,7 @@
|
||||
# Latest handoff: S3-A contract prepared, not launched
|
||||
|
||||
Claude1794732043.086139 and Mold1794732176.169409 were read directly. S2 and D1-D4 are complete; all earlier running entries below are historical. New review-only package: `artifacts/s3a-planning-2026-11-15`, contract `263b0b42b832d958ccf5843215403d629cf9d037084951d10f2af40bb89348d8`, document `docs/s3a-execution-contract-2026-11-15.md`. 17 synthetic checks PASS, old source hashes/15 R2 model hashes/617 cache file hashes verified without decoding targets. Fit/prediction/scientific execution not started. Data and frozen score implementation ready; queue implementation is next after the required single main review. CPU-only total20h;360HPO+30newfinal maximum; reuse original R2. Original S2 sources/results untouched.
|
||||
|
||||
# S2 当前执行接续记录
|
||||
|
||||
## S2已接受,D1–D4事后诊断也已交付(2026-11-15)
|
||||
|
||||
@@ -0,0 +1,38 @@
|
||||
# S3-A 短执行合同:在 R2 内检验 O2 读数
|
||||
|
||||
状态:**方向批准、待一次主审;本提交仅准备合同、缓存读取和冻结评分代码及合成验收。未启动真实拟合、预测或新评分。** 主审来源为 Claude [1794732043.086139](https://arcticnimbus.slack.com/archives/C0C78UFKGRM/p1794732043086139)。主审通过后按本合同实现运行队列,记录实现固定版本、实际进程及预算;不可把本准备记录当实际启动。S3-B 未启动,O1 保持开放。
|
||||
|
||||
## 问题、范围与比较
|
||||
|
||||
研究目标仍是面向新件、实用且有样本效率的填充代理。S2 的 E/N 不利结果只适用于已训练骨干与共同查询域,并未否定独立的拓扑/类型分块或真实连通路线。当前强对照是 R2-G24 的四面体边 Dijkstra / Gre24 风格近似,不能称原论文 eikonal 复现。
|
||||
|
||||
沿用固定617件、209组件、5折、25/50/100%嵌套组件池、原共同有效query ID及multiplicity。**既有15个R2 final模型、1851份R2测试预测和逐件评分原样复用,绝不重拟合R2。** 新增两臂各15格、每格原12配置HPO加一次learning-only final,最多360 HPO +30 final:
|
||||
|
||||
- 主比较:R2_E4 = 原20列R2 + `mean_q1,max_q1,mean_q2,max_q2`,保持原query缓存的列顺序;100%池 Δ=1−mean(relativeL2_R2_E4)/mean(relativeL2_R2)。
|
||||
- 描述性比较:R2_G2 = 原20列R2 + `g12,g23`,不同时加E4。其余池及近壁、Kendall τ、最后填充位置、最差组件均描述性。
|
||||
|
||||
sklearn1.7.2,原12配置与顺序不变:lr .05/.1 ×leaves31/63 ×iter200/500/1000;min_samples_leaf20、random_state0、early_stopping=False。目标T/t_set;无新增标准化、插补、裁剪或后处理。sample_weight沿原multiplicity归一、件/组件等权,总和1、不放大。验证以组件等权relativeL2选最优成功配置,平手按固定网格次序;失败配置保留NA。12个全失败或final失败使该格NA,不补跑、不补组件、不得因新臂失败修改617名单。final只读同learning池,不并入validation。
|
||||
|
||||
全部标签来自已存在的617件S2 custody缓存;不再次解码原始数据。训练缓存读取必须先校验当前fold角色,拒绝test;final不读validation。S2 test已经公开,此为结果知情的后续探索,不能称新盲测或独立确认性证据;not-known-exposed一行也不恢复未见性质。
|
||||
|
||||
## 预算、停止与冻结
|
||||
|
||||
CPU-only,**总计≤20 worker CPU-h**:拟合上限18h,预留2h给测试预测与评分;最多4个单线程worker。沿原单fit≤1800 CPU-s、7200 wall-s、16GiB树RSS、5GiB目录;总新目录≤100GiB。预测/评分单任务wall≤3h,合计在预留7200 CPU-s内。加载、失败、推理和评分都计入worker账;guard/coordinator另报,活跃树保守计费。分配下一作业前需预留全部在途作业剩余上限;采样超限即停并如实报告超出量,零重试。
|
||||
|
||||
原R2全部195任务实际2.5923125 worker CPU-h;按两新臂列数24/20、22/20缩放,再加25%余量,拟合启发式约7.45h,另预留2h,合计约9.45h。不是保证。首次E4/G2 HPO(固定job0/job12)依次单独执行,按各臂learning query×iterations×leaves及加载成本外推,合计含25%余量须≤18h才继续4worker;任一首试失败或超预算即停止报告,不自动重试/扩大预算。
|
||||
|
||||
所有360 HPO与30 final终态及checkpoint哈希先冻结,再产生测试预测;全体成功模型在各自test fold的预测按准确名单hash冻结,缺失/额外文件拒绝评分。`terminal-freeze.json`记录30个PASS/NA,`predictions-complete.json`绑定合同、terminal-freeze、prediction-index与Git提交。此处为必需证据次序,不是逐批重复用户审批。主审记录一次写入`main-review.json`并绑定合同SHA和固定Git提交。
|
||||
|
||||
## 冻结统计
|
||||
|
||||
`tools/s3a_statistics.py`直接复用不改动的`tools/s2_custody_statistics.py`:原relativeL2、multiplicity只一次、件/组件等权;每臂单fit,不能复制为3seed。每个比较仅纳入两臂都有所有件的完整组件;不沿用S2神经50%池的缺失掩码。报告每臂和每个contrast的件/节点/组件/折覆盖与所有NA。
|
||||
|
||||
组件合并五折、ID排序,PCG64(SeedSequence(2026111408))、2000次同索引配对bootstrap、linear百分位95%区间,六区表m=0.10沿原未舍入边界。零分母replicate保留undefined及索引、不补抽。not-known-exposed采用原冻结522成员∩617名单∩各比较主分析有效组件,组件内按件先过滤,混合组件不整组删除。原R2逐件分数不重算;新臂同一缓存真值、query IDs、multiplicity计分。主分析定义为一个E4/100%比较;G2或小池有利不能改选主分析。
|
||||
|
||||
## 阶段回顾与解释限制
|
||||
|
||||
Mold [1794732176.169409](https://arcticnimbus.slack.com/archives/C0C78UFKGRM/p1794732176169409)已实读`daed8e87`报告、分解行/汇总与源码,确认13,449行恒等式及100%四臂汇总;本阶段不重复计算。两个负a是同一件的两行,并非两件。
|
||||
|
||||
N的oracle H=0.013707仍高于原R2 mean(e²)=0.007320,因此单一幅值修正无法填平**这项均方诊断**。12.4148%=S_N/e²_N与81.9279%=(H_N−H_R2)/(e²_N−e²_R2)分母不同;都不能改写为主mean(relativeL2)改善。H含相对幅度/局部时序间距/空间误差,非纯排序。D2晚期小幅下降不能外推延长训练必胜或必败,合同不采用“更长训练无效”的断言。D4几何分箱只描述,节点/覆盖量不是性能。
|
||||
|
||||
Claude主审及下一阶段的决定以原串明确记录为准。用户对受控Drive、Git、Slack的完整共享授权已在`docs/sharing-authorization-2026-11-14.md`保存;合同、原始失败、审查范围和解释限制一并共享,不重复请求分享许可。
|
||||
Reference in new issue
Block a user