二十三、 崩潢修好了：一行参数
#★ 问题是什么
训练到后半段，她会突然"忘掉"已经学会的东西。 （此前几个种子末点从 100% 掉到 0%/25%，我一直把它归因于"捷径"或"她学不会"。）
#★ 真正的原因：β 一旦归零，就崩
步 | 训练亮 | 训练不亮 | beta
900 | 100.0% | 100.0% | 0.17
1000 | 100.0% | 100.0% | 0.03
1100 | 100.0% | 88.9% | 0.00 <- β 归零
1200 | 22.2% | 0.0% | 0.00 <- 两组同时崩
1500 | 54.5% | 60.0% | 0.00 <- 之后一直摇摆★ 在 β>0 的整个区间（步 1–1100），训练侧两组【都是 100%】。 β=0 之后的第一个评估点，两组【同时】崩。
#★ 修法：别让 β 归零
--beta-end 0.4| 臂 | 不亮组最小 | 不亮组末点 | β末 |
|---|---|---|---|
| 基线（β 到 0） | 0.0% | 60.0% | 0.00 |
--beta-end 0.4（3 个种子） | 100% / 100% / 85.7% | ★ 全部 100% | 0.40 |
--beta-floor 0.3 | 100% | ★ 100% | 0.30 |
★ 效应 +40 个百分点，而点间噪声只有 14 个百分点 → 效应远大于噪声。
#★ 为什么"留一点 β"就够了
β 是"照着老师做"的权重。老师知道目标在哪（它直接读目标位置）。 一旦 β=0，那条信号就没了，而她自己看到的东西里【没有目标信息】 —— 于是她只能漂移。
★ 留一个小的 β，等于留一个"目标在哪"的微弱锚点， 足以让已经学会的东西不被丢掉。
#★ 为什么这个发现重要
| 项 | 影响 |
|---|---|
| ★★★ 以前所有用默认 β（到 0）的接地线跑次 | 末点读数不可信；峰值点还能用，但必须标注 |
| ★★ "β 钉在 0.5"会锁死学习（此前记录） | 本次确认 0.4 不锁死 → 安全的范围在 0.3 ~ 0.4 |
★ 认字任务（exp31） | ★ 不受影响（它用的是恒定 β=1.0，不退火） |
#★ 仍未解释的一件事
训练侧两组都 100%，而评估侧只有 50%（正好两条指令 100%、两条 0%）。 ★ 这不影响上面的结论，但它意味着"评估侧末点均值"这个判据的口径还需要查清。
#★ 一句话
她不是学不会，是"学完之后被 β 归零弄丢了"。 把 β 停在一个小值上，东西就留住了。