Deliver read-only S2 D1-D4 posthoc diagnostics with oracle boundaries

This commit is contained in:
Frank14f committed 2026-11-15 16:38:35 +08:00
1 parent eeeca7c9ea
commit daed8e873a
14 files changed
+295682

No files matched your search

+78
View File
@@ -0,0 +1,78 @@
# S2 事后诊断 D1–D4(2026-11-15)
按Claude1794731320.994789执行,仅使用既有预测、已解码标签缓存、训练历史与几何元数据。未重训、未重解码、未修改S2预测或冻结统计。D3数学由Mold1794731518.379529及1794731544.355059、Claude1794731547.266819确定。**D3全表是oracle diagnostic, not a calibration。**
主要读数:更多数据确实降低N误差,100%池晚期仍有小幅验证改善;但N与R2的均方误差差距约82%留在oracle缩放后的残差项,不能仅归因于全局幅值。D4显示几何大小/厚度代理上的描述性差异,不能当因果证据。S3-A/B尚未执行。
## D1:学习曲线
原五折共同有效25%→100%主域:N误差相对下降15.9173%。50%池有既定N缺失,以下另列共同四折167组件的诊断曲线,避免不同分母制造趋势;不替换S2主表。
| 组件池 | N | E | R2 | B0 |
|---|---:|---:|---:|---:|
|25%|12.8446%|12.7317%|7.7617%|10.3762%|
|50%|11.3576%|11.5194%|7.5370%|10.3762%|
|100%|10.7616%|10.8935%|7.3622%|10.3762%|
N/E随数据增加有所改善,但未追上R2;B0不拟合、曲线恒定。学习比例是组件比例,实际每折件/节点数沿原结果报告。
## D2:100%池训练历史
| 臂 | 运行数 | 全部达到42epoch | 最佳epoch中位数 | 最后5epoch内最佳 | 最终epoch最佳 | 最后5epoch验证斜率<0 | 验证末5epoch相对变化中位数 |
|---|---:|---|---:|---:|---:|---:|---:|
|N|15|True|40|12|2|12|-0.3946%|
|E|15|True|37|7|4|13|-0.5305%|
epoch按1起算。末5验证斜率为5个既有值的描述性直线斜率,非新的模型拟合或显著性测试;完整30条历史摘要在D2-epoch-history.json。晚期最佳与局部下降不证明延长训练可跨过R2,cosine末端、容量和输入选择均混杂。
![D1 learning curves and D2 validation histories](../artifacts/s2-posthoc-diagnostics-2026-11-15/D1-D2-curves.png)
## D3:oracle尺度与残差的均方分解
每件/臂/已有seed,按原query multiplicity:P=Σcp²,T=Σct²,C=Σcpt,a*=C/P;H=Σc(a*p−t)²/T,S=(1−a*)²P/T,原e²=H+S。计算采用FP64加权单位向量投影,H从残差直接求和,避免近零P或相近数相减。无第二质量权重。
P=0:oracle undefined,H/S不填入有效表,即使原e²=1;T=0、空集或非有限同样undefined。a≤0保持原值不clip;C=0/负号另标。10个合成边界检查先通过,然后读取冻结缓存。主结果均方分解如下,**mean(e²)不是mean(e)²**,可移除份额只取mean(S)/mean(e²)。
| 100%池臂 | 组件/件 | mean(e²) | mean(H) | mean(S) | oracle可移除均方份额 |
|---|---|---:|---:|---:|---:|
|N|209/617|0.0156499271|0.0137070207|0.0019429064|12.4148%|
|E|209/617|0.0160421528|0.0138836945|0.0021584583|13.4549%|
|R2|209/617|0.0073201040|0.0068825718|0.0004375322|5.9771%|
|B0|209/617|0.0138780642|0.0111307244|0.0027473397|19.7963%|
同209组件/617件的N−R2均方差=0.0083298230,其中残差H差=0.0068244489(81.9279%)、尺度S差=0.0015053742。这说明此均方差主要不属于单一乘数可移除部分;不能直接改写为主L2均值的校准后性能。H还包含相对幅度、局部时序间距和空间误差,不是纯排序误差;正乘数不改变τ或argmax。a*利用测试真值且不等于Tmax比,不可部署。
全部13,449行D3有效,额外undefined=0;逐行H+S与e²最大绝对差1.421e-14,重构e²与冻结原误差平方最大差7.105e-15(rtol1e-10、atol1e-12)。a≤0共2行、均为负,100%池没有该情形:
| 件 | 折/池/臂/seed | a* | 原e² | H | S | 解释 |
|---|---|---:|---:|---:|---:|---|
|00001455_a45f6c99e2154f3b94955175_step_039|1/25%/E/2|-0.15885450|43.57139058|0.18473772|43.38665286|全场反号oracle,不能称幅值校准|
|00001455_a45f6c99e2154f3b94955175_step_039|1/50%/E/0|-0.26504824|10.85844953|0.54737383|10.31107571|全场反号oracle,不能称幅值校准|
这些低池有限负预测仍按原规则计分,不追加NA、不裁剪;两行的组件等权份额在D3-tables.json各臂/池mean.reversal中。原50% E/N配对排fold1,成功E原始结果仍保留。
## D4:N输给B0的几何分布
100%池N先对固定3seed等权。N单件误差高于B0的件数312/617;按组件内件等权、组件等权后的败率47.1487%。原主L2 N/B0区间跨零,均值差及本表分层都是描述性,不能声称已确证N劣于B0。
各几何变量用617件几何经验三分位(linear分位,边界分右箱)分低/中/高;每箱再按件/非空组件等权。组件可出现在多个箱,分箱表不能相加为总体,不作独立样本检验。Rg/t_part沿准备数据原单位,nodes为计数。
| 变量/箱 | 原值范围 | 件/组件 | N输B0件数 | 组件等权败率 | N−B0误差百分点 |
|---|---|---|---:|---:|---:|
|Rg/低|[0.34624, 13.26]|206/76|111|49.3901%|-0.3797|
|Rg/中|[13.26, 36.344]|205/99|106|50.0172%|+0.6951|
|Rg/高|[36.484, 462.2]|206/97|95|46.9136%|+1.2288|
|t_part/低|[0.15651, 2.286]|206/89|97|41.1362%|-0.6533|
|t_part/中|[2.3141, 4.1988]|205/95|106|48.1123%|-0.0649|
|t_part/高|[4.2026, 16]|206/104|109|54.5644%|+1.8587|
|nodes/低|[3606, 20087]|206/97|100|48.9863%|+1.0086|
|nodes/中|[20105, 32378]|205/104|99|47.9523%|+0.3233|
|nodes/高|[32405, 1.8734e+05]|206/90|113|51.4276%|+0.3868|
较大Rg和较厚t_part箱的平均N−B0差较大,但节点数分箱没有单调趋势;败率与平均差并不相同。分箱、混合组件、尺寸/厚度/网格分辨率相关性不允许因果归因。
## 执行、限制与待阶段决定
D1/D2/D4进程CPU2.573114秒;D3 CPU17.133535秒。只读取固定文件;模型未加载,未生成新标签,未改变预测、区间、资格或S2主表。所有D1–D4为事后诊断,不形成新的确认性结论。
现有证据支持把R2保留为强门槛、把B0信息保留于候选输入设计;不能直接放行更长训练或以oracle宣称校准可修复。S3-A(R2增加相同edge信息)、S3-B(神经修复)仍需Claude综合团队讨论、明确比较与执行合同后才启动。O1继续独立保留。