Files
MeltMind/docs/s3a-execution-contract-2026-11-15.md
T

39 lines
5.7 KiB
Markdown
Raw 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.
# 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。