8.6 KiB
R4(b)/(c) 全三池终态与独立确定性核验
原1005拟合全部终态:1004PASS+原job90 HPO process_count_limit,105 final全部PASS。100%/50%/25%三池均完成五折外测,各项主表、全链及相邻边均552件/204组件;不是全原始数据域,也不是新的盲测。原失败及其1.269064CPU秒保留,无重训或重试。
两个不同的一致性检查均通过。 原70新预测+复用100%清单经Git冻结后,原scorer全池评分;35模型、4968条100%预测以及100%逐件分数/汇总/bootstrap与INTERIM_100零容差EXACT_MATCH。随后按Claude1794874951最终顺序,在独立目录重新调用原预测函数完成35个100%模型,3864份新模型预测的raw_ids/counts/seconds均在dtype、shape及数组字节上与interim一致,BITWISE_MATCH、defects=[]。独立35结果没有覆盖或重评分;其通过证明此前复用预测与此次新预测相同。没有把复用数据的自比较冒称预测确定性测试。
最后独立检查完成于2026-11-17T08:37:34.948017+08:00,在原04:06:06起算的六小时共享时限内。原模型、预测函数、评分与bootstrap函数、超参数及角色名单均未改。
主指标与学习池
下面是组件等权相对L2,数值越低越好。counts只计一次,组件内等件、组件间等权;与Gre24随机划分/全tet RRMSE不是同口径,不横向拼接数字。
| 臂 | 100%池 | 50%池 | 25%池 |
|---|---|---|---|
| EIK | 0.095879482537 | 0.095879482537 | 0.095879482537 |
| H0 | 0.073027071673 | 0.074655303044 | 0.076956158594 |
| H0p | 0.073022990543 | 0.074978987490 | 0.077230813235 |
| H1 | 0.074262578885 | 0.075473231026 | 0.078264880648 |
| H2 | 0.072051346543 | 0.073182411712 | 0.076157691732 |
| H3 | 0.070024363499 | 0.071236875509 | 0.074341564189 |
| H4 | 0.070426230068 | 0.071815840211 | 0.074436876455 |
| A | 0.070830540821 | 0.073081110105 | 0.077034763446 |
| Q | 0.072781835831 | 0.074423417472 | 0.078093148168 |
H0是历史参考;H0p即新H0′。H1删t_set输入,H2替换整套几何构造,H3在相同查询上改单位权,H4扩展到全节点单位权,A为固定XGB,Q为XGB查询层级权。H4→A同时包含学习器、float接口和HPO/固定参数政策差异;H0→H0′含名单和HPO响应,不作纯单因素效应。
配对差值与区间
Δ=前臂误差−后臂误差,正值表示后臂较低;是绝对差,不是相对提升百分比。95%区间来自原204组件配对bootstrap2000次、seed2026111408,条件于固定折/模型,作为描述性结果,不增设选择或通过门。
| 池 | 比较 | Δ | 95%区间 |
|---|---|---|---|
| 100% | EIK->A | 0.025048941717 | [0.022195926818, 0.027818408847] |
| 100% | EIK->Q | 0.023097646706 | [0.020387248607, 0.025891362837] |
| 100% | Q->A | 0.001951295010 | [0.001223714800, 0.002679049562] |
| 100% | H0->H0p | 0.000004081129 | [-0.000232486957, 0.000236333961] |
| 100% | H0p->H1 | -0.001239588342 | [-0.002015916781, -0.000492297742] |
| 100% | H1->H2 | 0.002211232342 | [0.001466705021, 0.002872386974] |
| 100% | H2->H3 | 0.002026983044 | [0.001414488614, 0.002665400914] |
| 100% | H3->H4 | -0.000401866569 | [-0.000940178294, 0.000165025748] |
| 100% | H4->A | -0.000404310752 | [-0.000744109302, -0.000084007680] |
| 50% | EIK->A | 0.022798372433 | [0.019856719069, 0.025662240177] |
| 50% | EIK->Q | 0.021456065066 | [0.018838595010, 0.024181002810] |
| 50% | Q->A | 0.001342307367 | [0.000620763405, 0.002086472911] |
| 50% | H0->H0p | -0.000323684446 | [-0.000565051341, -0.000096060611] |
| 50% | H0p->H1 | -0.000494243536 | [-0.001345177170, 0.000341746094] |
| 50% | H1->H2 | 0.002290819314 | [0.001619497018, 0.002933663815] |
| 50% | H2->H3 | 0.001945536203 | [0.001262305502, 0.002666009690] |
| 50% | H3->H4 | -0.000578964702 | [-0.001133460880, 0.000010292828] |
| 50% | H4->A | -0.001265269894 | [-0.001701662066, -0.000856287750] |
| 25% | EIK->A | 0.018844719091 | [0.015819743742, 0.021692469498] |
| 25% | EIK->Q | 0.017786334369 | [0.014995325043, 0.020542703914] |
| 25% | Q->A | 0.001058384722 | [0.000319998803, 0.001760378455] |
| 25% | H0->H0p | -0.000274654641 | [-0.000499979809, -0.000064949704] |
| 25% | H0p->H1 | -0.001034067413 | [-0.002205986901, -0.000017919649] |
| 25% | H1->H2 | 0.002107188916 | [0.001344826397, 0.002843838055] |
| 25% | H2->H3 | 0.001816127542 | [0.001089815111, 0.002588843565] |
| 25% | H3->H4 | -0.000095312266 | [-0.000665630491, 0.000471496417] |
| 25% | H4->A | -0.002597886991 | [-0.003378172795, -0.001946827173] |
在这三个固定池中,A的主指标相对L2均低于Q及EIK,三个对应区间均为正。H1→H2和H2→H3也均为正;H3→H4的区间均跨零,末步H4→A均为负。删t_set的点估计在三个池均增加误差,50%池区间跨零,100%及25%池未跨零。H3点值在这张表里最低,但未据测试结果改模型选择、拟合、名单或后续实验。
学习池缩小时,A/Q及链中模型的点估计误差增加;三个池是嵌套学习集合,不当作独立重复。这里只描述固定公共域和已测试模型家族,不能推出普遍7%误差平台、其他工艺泛化、类型组织无效或真实连通路线失败。
辅助指标
τ-b越大越好;最后位置距离/Rg和近壁相对L2越低越好。下表直接读取同一冻结评分,不重算。
| 池 | 臂 | Kendall τ-b | 最后位置/Rg | 近壁相对L2 |
|---|---|---|---|---|
| 100% | EIK | 0.916525652665 | 0.342375611203 | 0.083638948330 |
| 100% | H0 | 0.924479045724 | 0.441287552611 | 0.074931309083 |
| 100% | H0p | 0.924674448296 | 0.418977284803 | 0.074963075616 |
| 100% | H1 | 0.923068425108 | 0.400495063672 | 0.076021959281 |
| 100% | H2 | 0.925562040015 | 0.424134938005 | 0.074215496368 |
| 100% | H3 | 0.927193927492 | 0.378983996603 | 0.071904839589 |
| 100% | H4 | 0.927592410717 | 0.399624182857 | 0.072322301156 |
| 100% | A | 0.926649719537 | 0.376713807712 | 0.072787154312 |
| 100% | Q | 0.923894847343 | 0.434439880835 | 0.075026127258 |
| 50% | EIK | 0.916525652665 | 0.342375611203 | 0.083638948330 |
| 50% | H0 | 0.923360888906 | 0.421230398424 | 0.076727548735 |
| 50% | H0p | 0.922924050512 | 0.429499436568 | 0.077080894126 |
| 50% | H1 | 0.921897358781 | 0.402553872417 | 0.077579650707 |
| 50% | H2 | 0.924488989608 | 0.423056988239 | 0.075649224765 |
| 50% | H3 | 0.926012572242 | 0.379814468017 | 0.073301413533 |
| 50% | H4 | 0.926272735033 | 0.417615187115 | 0.073806477133 |
| 50% | A | 0.924423917081 | 0.417964003936 | 0.075107000399 |
| 50% | Q | 0.922163137498 | 0.451455405911 | 0.076745720789 |
| 25% | EIK | 0.916525652665 | 0.342375611203 | 0.083638948330 |
| 25% | H0 | 0.921206022397 | 0.433628907289 | 0.078845747896 |
| 25% | H0p | 0.920842255776 | 0.422387104995 | 0.078992355579 |
| 25% | H1 | 0.919040223628 | 0.427568082992 | 0.080299053280 |
| 25% | H2 | 0.921585181842 | 0.414549165871 | 0.078524087087 |
| 25% | H3 | 0.922870856402 | 0.436800281680 | 0.076588888929 |
| 25% | H4 | 0.924129021735 | 0.409006426280 | 0.076089365092 |
| 25% | A | 0.920483881366 | 0.420196300708 | 0.078679648878 |
| 25% | Q | 0.918484976902 | 0.453007301907 | 0.080092249615 |
原始证据、费用与限制
主评分清单14904条:7728个新70模型预测、3864个原interim模型预测、3312条历史H0/EIK引用。最终评分14904行,四项指标未定义计数{'relative_l2': 0, 'kendall_tau_b': 0, 'last_location': 0, 'near_wall': 0};27个主/相邻比较的未定义bootstrap总数0。独立35检查另生成3864数组;与原70合计105个模型各完成一次本轮原函数预测,独立35没有进入第二次评分。全部108个新预测/评分/比较guard PASS,零GPU、零新拟合/VTU解码。
训练检查点/代码先固定05343e13e4ee386248461b6a1072899d42468d8c;主评分前完整预测固定248542d23de8e737b50029b4502b577da4b098aa;主评分与EXACT_MATCH及独立35计划固定4bf84c59c816585594490e2b56b2bff96e69d8d0。原科学pins不变。合成验收保留首个测试夹具目录错误,修复仅测试夹具,0.271408及0.818123CPU秒都在同post账;未伪装首次全通过。
原fit97267.128466CPU秒、setup99.840649CPU秒。全部post累计1149.437161/14400CPU秒(含原interim346.870387、新合成与90秒元数据保守预留),总worker累计98516.406276/144000CPU秒;不借O1或其他阶段预算,不重置共享时钟。原训练guard6096.497806331和协调10618.968657329CPU秒,以及各post协调费用单列。最末报告只读审计耗时0.678542CPU秒,纳入既有元数据预留。
机器结果:artifacts/r4bc-final-postfit-2026-11-17/scores/summary.json、scores/part-scores.json、INTERIM_100-exact-comparison.json、final-result-audit.json、final-result-tables.json。独立检查:artifacts/r4bc-determinism-100-2026-11-17/bitwise-comparison.json、complete.json及全部35新预测。所有原训练失败、HPO/模型、预测和访问日志保留共享。具体远端发布以回执为准,不把本地固定冒称上传完成。
研究目的仍是新件实用填充代理与样本效率;本表是固定公开域上的受控比较,不能替代新工艺或新浇口变化的验证。O1当前尺度因几何匹配覆盖不足而停止,与本R4bc终态分开解释。由Claude据共同证据写阶段收束和给Yanqi的建议,本次不自动新增实验。