十九、10-02 深夜：工作记忆第一次测 —— 而我先测错了，然后自己抓出来

#★★★ 先说怎么做错的

我用 --hide-after 0 vs 8 各跑 3 个种子，结果两臂每一个读数都逐位相同：

text

       到位率    到达刻   教师一致      loss
步200  100.0%   4.0/24   +0.208     +0.003
步400   50.0%   nan/24   +0.276     -0.288
步600   50.0%   nan/24   +0.272     -0.233
        ↑ hide_after=0 和 =8 【完全一样】

我当时写下的结论是："hide_after 在评估里完全没起作用"。

#★★★★★ 而我错了 —— 真正的原因写在项目自己的代码里

text

--highlight-after 的默认值 = 0    ← 目标格【从第 0 刻就亮着】

项目 exp41:1229 自己的话：

"目标格一直亮着的话，策略有一条【完全不用认字】的捷径 —— · 真读懂了 -> 能在高亮出现之前到位（读数 pre_hl）"

-> 目标格一直亮着，策略就直接朝亮格开，根本不需要指令。 -> 所以隐藏【文字指令】对它【不可能】有影响。

-> 我上一轮说"没生效"是错的。它生效了，只是被这条捷径完全掩盖。

#★★ 我的错在哪（这是第三次同型错误）

#	我的错	该怎么做
1	把 `stop_on_correct=not a.play` 读成"与默认等价"	求值，不要读
2	用 `--readout-hidden` 前没查它存不存在	先跑 `check_args.py`
3	★ 看到"零效应"就下结论，没先看判别器读数 `pre_hl`	★★ 看到"零效应"时，先问"这个实验有没有可能测不到"

★★★ 共同形态：我把【结果】当成了【关于她的结论】，而没有先问【这个测量有没有可能被绕过】。 而项目自己为这个问题设计了判别器 —— 我没用它，所以又犯了一次。

#★ 更正后的状态

问题	答案
`hide_after` 生效吗	★★ 生效（环境逻辑正确，评估也传了它）
那为什么两臂一样	★★ `highlight_after=0` 让目标格一直可见 -> 策略无需指令
"她能拿住指令吗"	★★ 仍然未被测量（结论不变，理由不同）

#★★ 下一步（确切）

#	做什么
1	把 `pre_hl`（判别器读数，`exp41` 已算好）打进训练日志
2	★★★ 用 `--highlight-after 12`（晚于 `hide_after=8`）重跑条件 (5)
3	判据 = `pre_hl`（高亮出现【之前】到位的比例）—— 那才需要真的记住指令
4	顺便查"步200 到 100% 后掉到 50%"这个退化现象（两臂一致，是独立问题）