§42 2026-10-03 深夜：病因锁定 = 优化动力学（用"一个数"证明）
·
★★★★★★★
1.7k 字 ·
源文件 进度.md 第 2279 行起 ·
ruler arch optim ground
#一、★★★ 三个数（判据从此就这两个）
| 量 | REL_s4 | REL_s6 |
|---|---|---|
| 训练出的读出 R² | 0.4562 | 0.4714 |
| ★ 最小二乘最优解 R²（同一批数据） | 1.0000 | 1.0000 |
| ★ R² 差距 | 0.5438 | 0.5286 |
| ★★ 参数距离 | 1.0015 | 2.1692 |
最优解的 diag | 1.3253 | 1.3254 |
★ 工具：tools/supervisor/measure_r2_gap.py
#二、★★★★★ 机制的一行陈述
pi与v都作用在同一个读出向量上 ⇒ 训练读出的最优解是 "教师项 + 策略梯度 + 价值项"的折中点，而不是最小二乘解 ⇒ 必然欠拟合教师（0.47 vs 1.00），且折中越远（参数距离越大）行为崩得越厉害。
★ 而"崩塌"的本质被改写：不是"学了又忘"，而是
"读出从来没有收敛到那个它本可以一次到达的位置"
—— REL_s6 步 1200 的 diag（1.293）与闭式最优解的 diag（1.3254）几乎相同。
#三、★★★★ 两条失败记录（写出来而不是删掉）
| 失败线 | ★ 版本数 | 记在 |
|---|---|---|
| 量化"读出忽略了多少信息" | 4 个（量纲错 / 仍 >1 / 与已知量反向 / 放弃） | journal/FAILED_MEASUREMENTS_READOUT_UTILIZATION.md |
| "教师目标线性可读" | 3 个（欠定虚高 / 采集链坏 / 关闭这条线） | journal/FAILED_MEASUREMENT_TEACHER_LINEAR_READABILITY.md |
★ 第 4 版才成功 —— 成功的关键是"对照与主体走完全相同的代码路径"（教训 200）。
#四、★ 已判 / 在跑
| 判据 | ★ 状态 |
|---|---|
| T4（4 指令训练只看 2 条） | ★★★ 4/4 对 0/6，Fisher p = 0.0048 ⇒ 判为立 |
| T2A（相邻对 上,右） | ★ s0 已读（0/2，格距 3.55 不过门槛）/ s1 在跑 |
W1/W2/IMO/V1/T5 | ⏳ 排队，判 R² 差距与参数距离 |
#五、★ 状态
| 项 | 值 |
|---|---|
| 结论 | 10 条被证据支持 + 排除表 + 3 条已撤回 |
| 约定 | 13 条（含 C11 全称陈述三问、C12 可信性前提、C13 新教训必须立刻用） |
| 教训 | 201 条 |
| 闸门 | 0 项失败（11 组） |
★★ --ckpt REL_s4_best.pt 会崩（KeyError: 'enc'）：
--ckpt 只装【编码器】（它要的是 vision_multi_c24_d3_aug.pt 那种顶层有 'enc' 的文件），
而 exp41 自己存的检查点要装整个策略必须用 --start。
★ 是我"先跑 2 步预演"的习惯抓住的 —— 而那个习惯现在变成了工具：
tools/supervisor/preflight_launchers.py（六类机械预检，已校准：
故意把 --ckpt 指向策略检查点 → 被抓住；故意加中文注释 → 被抓住），
并接进 gate.py 第 9 组。它自己还拒绝了一个"锚点不唯一"的派生（防止改了第二个变量）。