★ 这是 §45 之后的一轮完整收口。★ 所有读数用权威口径 eval_f2_all_checkpoints.py。
★ 主读数按铁律 = 末点相对最好点（三个数一起报）。
→ 完整：PROJECT.md §28、journal/TASK_BOARD_LIVE.md、journal/CONCLUSIONS_LEDGER_WITH_QUALIFIERS.md
#一、★★★★★★★ 判定表（四个干预）
| 干预 | ★ 判据（跑前写死） | ★ 结果 | ★ 判定 |
|---|
★★ W2 --rl-scale 0 | 最好点提高 | ★ +29.5pp（p = 0.0000，3 种子）<br>★ 串行组内 +12.0pp（p = 0.0106） | ★★★ 成立 |
★★ V1 --freeze-trunk | 末点 ≥1 条在 ≥2 种子 | ★ FT_s4 末点 100%<br>★★★ FT_s6 末点 21.9%（且最好点 60.4% < 起点 75.0%） | ★★★ 不成立（1/2） |
★★ T5 --restore-best-at-end | 末点 == 最好点在 ≥2 种子 | ★ FRZ_s1：38.5% → 38.5%（参数差 0），而未干预末点 = 0.0%<br>★★★ FRZB_s6 vs FT_s6：9 个快照逐位相同，末点 21.9% → 60.4% | ★★★ 成立（2/2） |
IMO | 验"v 是否被 π 抬高" | ★ 未跑完（RLO 没开 --gn-split ⇒ 无法离线替代） | ★ 记账 |
#二、★★★★★★★ T5 的判定比"成立"更强（今晚最干净的一条）
★★★ FRZB_s6 与 FT_s6 的【全部 9 个快照逐位相同】
（44.8/40.6/25.0/25.0/41.7/40.6/21.9%），只有末点不同（21.9% → 60.4%），
且 FRZB_s6.pt 与 FRZB_s6_best.pt 的参数差 = 0。
★★★★★ -> 所以 --restore-best-at-end 是一个【纯记账修正】：
它不改变训练的任何一步，收益完全来自"你原本会把一个好检查点丢掉"。
★★★ 收益 = 原本的损失量（本例 +38.5pp），而不是"它产生了新能力"。
#三、★★★★★★ 两处更正
| # | ★ 早先的说法 | ★ 更正 |
|---|
| ① | ★★ "末段参数更新是最大的一段 ⇒ 它导致丢失" | ★★★ 不成立：FT_s4（变好）与 FT_s6（变差）的末段移动速度几乎相同（0.000575 vs 0.000588 / 100 步，差 2%）；中段速度差 2–8 倍。★ 且 FT_s4 自己形状是 U 形（首段最快 0.000944） |
| ② | ★★ "冻主干是累积器、全参是替换器" | ★★★ 只在 FT_s4 上成立；FT_s6 是"早峰后衰退"（最好点在步 1）⇒ 降级为单种子机制假设 |
#四、★★★★★ 今晚新增的三条 A 类（可无条件引用）
| # | ★ 结论 | ★ 证据 |
|---|
| ★★★ | --restore-best-at-end 保住最好点（纯记账） | 9 快照逐位相同；参数差 0 |
| ★★★ | 并行协议不改变训练轨迹 | 790 步逐步损失曲线差 = 0.0000e+00 |
| ★★★ | 冻主干把"读出方向被转走"从根上消除 | 冻结时旋转角 0.00°（四个）vs 全参 7°–85° |
#五、★★★ 下一步
| # | ★ 干预 | ★ 它测什么 |
|---|
| 1 | ★★ LRD --lr-end 0（在跑） | ★★ 末段步长是否是元凶（决定性判别：--lr-decay-frac 0.5 只影响后半段） |
| 2 | ★★ FT2_s6 | ★ 那个 60.4% 的点是否可改进 |
| 3 | ★★★ --rl-scale 0 + --restore-best-at-end | ★★★ 今晚两条最强修法叠加 |
#六、★ 教训
| # | ★ |
|---|
| 245 | ★★★★★ 一个开关用【A 口径】选点、而你用【B 口径】评价时，那个"最好点"在 B 口径下可能很普通 —— 而修法的上限就是那个普通的值。 |
| 246 | ★★★★★ 一个"零成本的报告层修正"的收益完全来自"你原本会丢掉多少"，而不是"它提升了多少"。 |
| 247 | ★★★★★ 当一个开关【不改变任何中间状态】而只改变最终产物时，它就是一个纯粹的【记账修正】，应当被这样报告。 |
| 244 | ★★★★★ 一条"某段变化最大"的观测，只有在【与一个变好的对照组比较】之后，才能当成"那一段导致变差"的证据。 |
| 242 | ★★★★★ 一个干预若在第一个种子上【大幅改善】，最危险的解读是"它有效" —— 因为那可能只是"第一个种子恰好可改进"。 |
← 返回《进度.md》目录
