Files
MeltMind/docs/s2-custody-results-2026-11-15.md
T

7.7 KiB
Raw Blame History

S2 固定矩阵与托管评估结果(2026-11-15)

本次固定实验中,E 相对 N 的误差改善率为 −1.2924%,组件 bootstrap 95% 区间 [−2.1223%, −0.5633%],按预注册六区间属于 harmful(误差增大)。R2-G24 的误差低于两种神经模型,N 对 R2 的预注册有用性条件未满足。结论限定于本实现、输入、42 epoch/宽128训练与共同合格查询域,不是O1、拓扑或几何组织路线的否定。

完成状态与固定顺序

神经90计划格全终态:89 PASS/1 NA,100%池15对全部有效。R2 180个HPO+15最终fit全部终态,179 HPO PASS/1基础设施停止;15最终fit全部PASS。未重试、未复用失败神经权重。

终态与104可用模型先固定 6903c07365c7879b3fcbe9b78d8dbc3aec695ae0。评估实现经Claude主审1794730198.146459,两条件关闭于 522ee84f6abd5ccad9bfcdc41a5c74ce1248c20a,14项合成/元数据检查PASS。全部13,449预测和评分源码/配置于解码前固定 c47dd6a539e9ac77945acd93cc16266291cf96de,推送确认后才创建scoring-freeze并解码。原无标签预测session42606与CPU托管session87444均退出0;617件各解码一次,13,449逐件结果,所有指标新增NA=0、bootstrap undefined=0。

100%组件池主表

以下误差是按draw multiplicity加权的逐件relative L2,再件/组件/固定seed等权;不是节点平均百分比误差。五折合并后组件等权,209组件/617件。近壁、τ-b和末到位置仅描述,末到距离以Rg归一且限查询覆盖。

臂 主域相对L2 近壁相对L2 抽样τ-b 末到位置距离/Rg
N 10.7965% 11.0112% 0.892424 0.476895
E 10.9360% 11.1327% 0.892378 0.494282
R2 7.2993% 7.4884% 0.924486 0.437705
B0 10.4012% 8.7209% 0.907094 0.341641
对比:1−候选/参照 改善率 95%组件区间 说明
E / N -1.2924% [-2.1223%, -0.5633%] 唯一预注册主对比,m=10%
N / R2 -47.9120% [-56.2603%, -39.9772%] 辅助对比;非第二主门槛
E / R2 -49.8236% [-58.3577%, -41.6166%] 辅助对比;非第二主门槛
N / B0 -3.8009% [-10.6763%, 2.5021%] 辅助对比;非第二主门槛
E / B0 -5.1424% [-12.1438%, 1.3848%] 辅助对比;非第二主门槛
R2 / B0 29.8226% [27.2748%, 32.3334%] 辅助对比;非第二主门槛

组件ID排序;PCG64(SeedSequence(2026111408)),2,000次、双方同索引、固定seed块随组件,不按折分层;linear 2.5/97.5百分位,六区间使用未舍入端点。区间条件于固定拆分、已训练模型和研究选择,不覆盖重新训练方差或查询Monte Carlo误差。

学习曲线与NA

学习比例指组件池前缀比例,不能称件数比例。主域单臂均值保留各自有效集;50%池N缺fold1三seed完整性,不能与全五折E单臂均值直接作配对差。

组件池比例 N单臂L2 E单臂L2 R2 L2 B0 L2 配对E/N改善率及95%区间 配对组件/件 有效折
25% 12.8403% 12.7734% 7.6950% 10.4012% 0.5216% [-0.4813%, 1.6064%] 209/617 0,1,2,3,4
50% 11.3576% 11.5346% 7.4629% 10.4012% -1.4243% [-2.1791%, -0.7280%] 167/492 0,2,3,4
100% 10.7965% 10.9360% 7.2993% 10.4012% -1.2924% [-2.1223%, -0.5633%] 209/617 0,1,2,3,4
池 N PASS / NA E PASS / NA R2最终PASS / NA
25% 15 / 0 15 / 0 5 / 0
50% 14 / 1 15 / 0 5 / 0
100% 15 / 0 15 / 0 5 / 0

唯一fold1/pool50/N/seed0第14轮跳步4/178(2.247%)超过1%门,N/E该配对无效。A4要求组件全件/三seed两臂完整,因此50%配对排除fold1的42组件/125件/4,032,985节点,而不是补两seed。成功E保留单臂。R2 job118(fold3/pool25/config10)进程峰值2触发上限1,原因未知;该格从11成功候选选出config0,最终fit通过。

各折实际学习规模

折 组件比例 学习组件 学习件 学习节点 验证件 外测件
0 25% 35 145 4319375 111 121
0 50% 69 254 7524426 111 121
0 100% 137 385 11572195 111 121
1 25% 34 83 2258884 88 125
1 50% 67 178 4406392 88 125
1 100% 133 404 10912756 88 125
2 25% 34 90 2998926 87 125
2 50% 67 200 6207848 87 125
2 100% 132 405 11595878 87 125
3 25% 33 128 4348385 142 124
3 50% 66 233 7328229 142 124
3 100% 131 351 10689905 142 124
4 25% 34 58 1748016 114 122
4 50% 67 143 4583502 114 122
4 100% 132 381 11118228 114 122

not-known-exposed描述性行

采用fb827178冻结522件名单(含UNKNOWN),成员文件SHA 8d037786040c6fc11fa80ceb0f41dfdd58478a2576404505a64aa29a2216a22f。不是从布尔字段重建;逐ID交叉核对差异0。与617roster交集后517件/188组件;原名单5件被准备roster排除。按原逐件筛选保留混合组件,再与主有效资格相交,不能称未暴露或untouched。

外折 原候选件/组件 roster剔除件 保留件/非空组件 筛后空组件 50%配对再排除组件
0 108/34 4 104/33 4 0
1 105/36 0 105/36 6 36
2 115/39 0 115/39 4 0
3 90/40 1 89/40 4 0
4 104/40 0 104/40 3 0

100%行:N 10.6027%,E 10.7480%,R2 7.2832%,B0 10.3177%;E/N改善率-1.3708%,区间[-2.2187%, -0.6166%]。无新增指标无效项。50%配对最终412件/152组件(再排fold1的105件/36组件)。描述性,不作第二主结论。

最坏组件(100%,逐臂描述)

臂 组件ID 折 件数 组件均值relative L2
N component-cf7fed99350d9820 0 1 37.9421%
E component-0980efc0c7820c75 4 1 38.3665%
R2 component-0980efc0c7820c75 4 1 27.5744%
B0 component-a71ba84fea54e0d0 4 1 32.9112%

覆盖、排除与解释边界

原624件共18,661,224节点;7个准备失败件跨折统一排除,708,645节点(3.7974%),其中4件原属fold0 test。剩余617件/209组件、17,952,579节点。完整逐件覆盖(h、draw、distinct IDs、K、K/2000、h*K/2000、近壁count、边界1−h、重叠拒绝原因)在custody/coverage.json。

宽128是可行性决定,宽度效应未检验;共同Emax42不是200epoch充分训练证明。AMP跳步具体step/case未保存;R2 job118第二进程身份未保存,不能臆测数值故障。历史全库几何筛查和pilot拟合独立披露;各折仅自己的test对自己的fit封存,其他折可依法使用同件。查询域结果不是完整场、短射、压力预算或工艺干预验证。R2是Gre24-style graph approximation,不称论文复现;B0=Vf*t_set确定性。

成本与验证

主神经训练19.062814 GPU-h(含等待/setup/失败);R2 HPO+final worker2.592312 CPU-h,guard590.344796秒/coordinator479.084346秒另列。无标签预测410.070561 GPU秒=0.113908 GPU-h;托管监督worker72.962534 CPU秒,墙钟73.374682秒,峰值树RSS162816000B,monitor_errors0。预测/托管均无重试。既往pilot、准备和历史失败另有账本,不把这些数称项目全成本。

核验:14项合成/元数据检查PASS;617准备列metadata PASS;104有效模型与两原契约固定;13,449预测全部哈希检查;617解码标签唯一且逐文件hash核验;评分输出hash核验;冻结代码/合同pins保持一致。

阶段回顾与接续

本阶段不支持本实现中增加edge readout提高泛化误差,也未满足神经模型优于强R2的有用性门。实用新件注塑代理仍是目标;R2与B0证明廉价输入基线必须保留。O1类型分块、真实连通、接口与原生CAE工艺对照均未由本实验检验。此报告交Claude统筹、Mold数学边界、Grok必要定点复核;在集体回顾和下一阶段决定前不追加训练、不调参重试、不扩大测试域。