Files
MeltMind/docs/s2-posthoc-diagnostics-2026-11-15.md

79 lines
6.0 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 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。