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

6.0 KiB
Raw Blame History

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

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(ap−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。