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

51 lines
7.6 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结果:E4/G2增量特征未达到预设实际收益门槛
本次S3-A已完成:原R2基线复用,两条增量臂R2_E4与R2_G2的30个最终模型全部PASS。360个HPO中359 PASS,job323因进程数守卫终止成为不可选配置;390个逻辑任务均有终态。没有最终拟合process_count_limit待裁量,也没有final cell NA。
这是已知S2结果后的自适应跟进,不是全新确认性留验。研究目标仍是面向新件的可用填充代理;本轮只测试在当前R2、数据划分、特征构造和预算下添加E4或G2的作用。
主比较为100%学习池、all子集、R2_E4对原R2。组件等权平均相对L2:原R2 0.0729926539704,E4 0.0727304439321。相对改善1−E4/R2=0.3592279826%,组件bootstrap描述性95%区间[−0.1828715684%,+0.9021958894%],跨零且上界低于预先设定的10%实际收益门槛;冻结分类为no meaningful gain。这里的百分比是相对改善,不是误差百分数的百分点差。
全部主表均使用同一617件/209组件、五折及单拟合预测;原S2神经臂50%缺失资格没有移植到这些确定性R2臂。
| 学习池 | 原R2平均相对L2 | E4平均相对L2 | G2平均相对L2 |
|---|---:|---:|---:|
| 25% | 0.076950180 | 0.076853364 | 0.076874016 |
| 50% | 0.074628595 | 0.074670740 | 0.074543508 |
| 100% | 0.072992654 | 0.072730444 | 0.072916948 |
| 学习池 | 增量臂 | 相对原R2改善 | 描述性95%区间 |
|---|---|---:|---:|
| 25% | R2_E4 | 0.125816% | [-0.882156%, 0.958157%] |
| 25% | R2_G2 | 0.098978% | [-0.977908%, 1.001065%] |
| 50% | R2_E4 | -0.056472% | [-0.766760%, 0.611569%] |
| 50% | R2_G2 | 0.114014% | [-0.596340%, 0.796885%] |
| 100% | R2_E4 | 0.359228% | [-0.182872%, 0.902196%] |
| 100% | R2_G2 | 0.103717% | [-0.458259%, 0.655372%] |
两条臂在25/50/100%池的六个all比较均为no meaningful gain,所有区间跨零;not-known-exposed的六个描述性比较亦如此。该子集沿原固定成员表,实际为517件/188组件,保留混合组件,不能重新称为未暴露确认性集。所有12个比较的undefined bootstrap replicates=0。完整近壁、排序、最后位置指标和逐组件/逐件分数随原JSON保留,本报告未重新评分。
cell26/fold4/pool50/E4的原job323:config11、process_count_limit、returncode−9、观测2进程,子进程身份未知,1.465454 CPU秒,无数值结果。其余11配置全部PASS;正式selection保留12条原guard哈希、finished=11/failed=1,选config0/job312。final job386实际PASS,并记录hpo_finished_configurations=11。该缺失属于HPO配置,不扩大为整个cell NA,不归因为数值失败。
原S3-A首队列231 PASS+4外部中断(230/232/233/234)原样保留;独立接续只执行四次明确授权的基础设施恢复+155未尝试项,四次恢复均PASS。原源文件未改,原失败未覆盖;canonical390由231原成功+159接续终态组成,实际物理attempt共394,差额为保留的原四次中断。两源manifest逐项绑定同一job spec及guard/result,原12507.336661 worker CPU秒仅计一次。
实际顺序已核:模型与终态先固定2fecab62a06e5fa2641f00ef435d412fd3dd404d;随后生成3702个新预测(617件×两臂×三池);清单和预测固定7e82719c185917838cffa1374db4713ff031472e后才调用原冻结评分器;结果固定1e49c1572227116e821d3cd414ebcecd7c430753。原15个R2模型及1851条基线分数复用,新标签解码0。预测/评分guard均PASS,来源、全部3702文件哈希、两源manifest及结果文件哈希复核通过。
累计worker CPU:拟合20407.926283秒(含原中断),预测151.373653秒,评分28.464851秒,总20587.764787秒=5.718823552小时/20小时;postfit179.838504秒/7200秒。guard与协调器开销另存原回执,不冒充worker消耗。无GPU,无自动重试,monitor_errors均0。
Claude1794738923的最终进程数边界已执行:旧空闲81572被主动退役,唯一替代45375在最终阶段未发现相应失败,故按原授权继续。不存在未裁量final NA进入预测/评分的情况。
精确原文件根目录:artifacts/s3a-recovery-2026-11-15。主要入口为scores/result.json、scores/tables.json、scores/contrasts.json、scores/component-scores.json、scores/part-scores.json;执行证据为batch-complete.json、two-source-manifest.json、terminal-freeze.json、terminal-git-freeze.json、prediction-index.json、predictions-complete.json、postfit-predict-guard.json、postfit-score-guard.json,以及selections/cell-26.json与jobs/job-323/guard-result.json。读取范围和附加审计位于artifacts/s3a-final-review-2026-11-15。
结果提交1e49c157已由原45375链发布完成:session退出0,complete.json为S3A_SCIENCE_AND_PUBLICATION_COMPLETE,独立git ls-remote读回同一完整SHA,原协调器与push进程已退出。没有重复上传。后续原文件HTTP读取及哈希证据见artifacts/s3a-final-review-2026-11-15/publication-readback.json;git远端引用与HTTP可访问性分别记录。早期复核包package.json的all_models_predictions_published_by_existing_chain=true不是当时已经远端可读的证据,原包保持不变。
Mold在Slack1794740467.034649实际从Horsea固定1e49c157读取10份JSON并核验表格哈希,复核主比较方向、617/209分母、517/188描述性子集及HPO NA未排除整格。其读取不含模型或预测数组,也没有重新评分。Claude在1794740503.753479接收结果并给出阶段取舍;本报告将实测结论和路线取舍分别记录。
阶段回顾:研究目标仍是面向新件的实用填充代理。结合S1覆盖限制、S2当前神经骨干的边读数不利结果和本次S3-A,Claude决定停止在Greif v5当前到达时间任务上继续投入这条局部张量特征路线。这是资源与路线决定;S3-A本身只检验当前E4/G2构造和R2配方,不能外推为所有局部张量实现、其他过程/目标或O1路线都无用。类型分区、真实连通和eikonal仍是不同的未检验问题。
文献回顾采用已经实际读取并留档的团队材料docs/mold-route-a-review-2026-11-15.md(Greif式10/17与Autodesk自动注射设置)。本次读的是该固定评审快照,并未声称独立重读全部原论文。它指出体积分位与恒流时间映射已有先例,恢复秒需要明确净体积流率、全域/查询域及端点条件,不能把重新映射本身当作新物理。此后624 LOG与617件naive诊断补充了实测:R2保序重映射无净收益,996同一真实顺序配不同时钟可产生巨大差异;因此顺序与时钟/端点必须分别控制。真实顺序oracle不是理论误差下限,不能从R2与oracle差值推断“剩余误差主要来自排序”,996也不能单独证明切换后控制器是原因。相关回顾详见docs/collaboration-stage-review-policy.md。
Claude提出下一步S3-B(a)的CPU图填充先验短合同:固定Q、前沿气相参考压、事件驱动容量填充、blocked显式记录、一次固定导通率候选,≤10 worker CPU-h且无学习,须经其一次合同主审。候选导通率、数学良定性、比较域、分支诊断及停止条件仍待Mold与Claude确认;当前仅记录提案,不代表已实现、执行或得到结果。S3-B(b)新增R2特征与O1跟进均有各自前提,不自动放行。Spearman请求已撤回,未执行。
Claude在1794740649.609359明确接受上述两项纠正,并称已固定其决策记录aa1051d7;本轮实际读取其Slack回复,未把未读取的该提交全文列为独立审查。下一步动机收窄为“真实顺序oracle较低,支路流量竞争尚未检验”。其O2阶段取舍也收窄为当前Greif/R2配方内不再投入局部张量增量,(b)/O1未授权。