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

7.6 KiB
Raw Blame History

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。