§44 2026-10-04 凌晨 00:11：W2 已判 —— 移除 π 有统计支持（+29.5pp）
★ 这是本目标下第一个有统计支持的干预结论。 详细：
journal/RESULT_W2_PI_REMOVAL.md
#一、★★★★★★★ 逐指令到位数（最好点，权威口径：eval_f2 固定种子 + 24 题/指令 + 贪心）
| 跑次 | 上 | 左 | 右 | 下 | ★ 合计 | ★ 活着的条数 |
|---|---|---|---|---|---|---|
REL_s4（有 π） | 24 | 19 | 15 | ★ 0 | 58/96 | 3 |
★ RLO_s4（无 π） | 24 | 24 | 14 | 24 | ★★ 86/96 | ★ 4 |
REL_s6（有 π） | 24 | 24 | ★ 0 | 24 | 72/96 | 3 |
RLO_s6（无 π） | 24 | ★ 0 | 19 | 24 | 67/96 | 3 |
★★ REL_s8（有 π） | 24 | ★ 0 | ★ 0 | ★ 0 | ★★★ 24/96 | ★ 1 |
★ RLO_s8（无 π） | 19 | 19 | 24 | 24 | ★★ 86/96 | ★ 4 |
#二、★★★★★★★ Fisher 精确检验（方向：无 π 更高）
| 对比 | ★ 差 | ★ p |
|---|---|---|
REL_s4 → RLO_s4 | +29.2pp | 0.0000 |
REL_s6 → RLO_s6 | −5.2pp | 0.5187 |
REL_s8 → RLO_s8 | ★ +64.6pp | 0.0000 |
| ★★★ 合并三个种子 | 154/288 → 239/288 | ★★ +29.5pp，p = 0.0000 |
★★★★★★★ -> 判定：移除
π显著提高最好点。 ★★★ 而只看s6会得出"没有效果"（p = 0.519）⇒ 合并检验是必须的。 ★★★★★★REL_s8是最强证据：有π时她退化成"只会一条"，去掉后四条都活。
#三、★★★★★ 机制：π 让离散控制维度的 logits 饱和
| 跑次 | ★ 全部 `\ | max\ | ` | 摇杆两维 | ★ 其余维 | `\ | x\ | >10` | p50 |
|---|---|---|---|---|---|---|---|---|---|
REL_s4（有 π） | 59.41 | 2.68 | ★ 59.41 | ★ 88.6% | 27.22 | ||||
★ RLO_s4（无 π） | 4.38 | 2.58 | ★ 4.38 | ★ 0.0% | 1.98 |
★★★★★ ->
π把键/鼠标/emit的 logits 推到 27–60，那里的sigmoid完全饱和 （exp溢出）⇒ 梯度 ≈ 0 ⇒ 那些维度只能"开关式"更新， 而它们通过【共享读出向量】影响摇杆侧。 ★ 而摇杆两维一直温和（2.58–2.72，恰在教师靶 ±2.298 附近）。
#四、★★★ 仍未解决 + 下一步
| 项 | ★ 状态 |
|---|---|
| ★★ 保持 | 未被 π 移除解决（RLO_s4 最好点 89.6% → 末点 4.2%） |
★★ T5 的离线上界 | REL_s4 66.7% / RLO_s4 100% ⇒ ★ 值得先跑 T5 |
| ★ 下一目标草案 | 已按约定 C1 改写（journal/GOAL_QUEUE.md），判据四条按优先级写死 |