九、最新（10-01 晚）：那个基础 bug 修好了
0.4k 字 ·
源文件 进度.md 第 178 行起 ·
discipline ruler optim external
修了什么：她的"嘴"（策略头）原来初始权重全是 0， 所以从"嘴"回传的梯度也是 0 —— 她的"心"从来没因为"嘴"而改变过。
现在的状态：
| 项 | 结果 |
|---|---|
| 加了一个开关 | ✅ 默认还是旧行为 -> 旧的实验仍然可复现 |
| 打开它之后 | ★ "嘴"的梯度第一次能回到"心" |
| 实测量级 | 1.32（而一直在训"心"的"价值判断"是 1.12 —— 同一量级） |
| 她的初始行为 | ★ 一字未变（"一开始不太说话"的设计保留） |
→ 下一步：跑一次对照（旧的 vs 新的），看她"串起来"的能力（现在 43%）会不会上去。 这是"她能不能把心里的话说出来"的第一个直接检验。