13. 交接：任务、猜想、教训（压缩上下文前的存档）
#13.1 任务状态
| # | 任务 | 状态 | 证据/位置 |
|---|---|---|---|
| 1 | 视觉前端可读性（英文/汉字 → 字号×下采样） | ✅ 完成 | §12.1 §12.2 |
| 2 | 字符集内在可分辨性门禁 | ✅ 完成 | §12.10 diag_charset_gate.py |
| 3 | 认字环境 read_screen（屏幕给字→打拼音） | ✅ 完成 42 项自检 | §12.13 |
| 4 | 视觉预热 + 形变增广 | ✅ 完成 | §12.9 留出字体 90.5% |
| 5 | exp31 抄写任务（老师 β:1→0 + RL） | ✅ 能跑 | §12.16 |
| 6 | 判据 1/2/3/6（正确率/认字/空白屏/emit 方差） | ✅ 通过 | 空白屏 0.0% 是铁证 |
| 7 | 判据 5（撤掉老师后 ≥50%） | ⚠️ 44.7%，未过但已 3.2× 改善 | §13.2 |
| 8 | 判据 4（留出字体，策略端） | ⚠️ 弱（8~30%），编码器端已 90.5% | |
| 9 | ★★ 同声旁结构迁移 | ⚠️ A/B = 7.8× 仍然成立，但机制未识别（见 §12.19，原判读已改） | §12.18 §12.19 |
| 10 | 形近异音第三控制（C′） | ⚠️ 跑完了，但发现它没有分辨力（满分线 0%） | §12.19 |
| 11 | D 内驱力 + E DAgger 解耦 | ✅ 实现并跑完，3.2× 改善 | §13.2 |
| 12 | 接地线（指令→执行） | ⬜ 未开始 | §13.4 |
| 13 | 工作台（全局广播） | ⬜ 未开始 | §13.4 |
| 14 | 记忆地平线 | ✅ 完成，假设被否掉 | §12.17 |
| 15 | ★ 留出集零学习基线（查最近邻满分线） | ✅ 完成，救了两个错结论 | §12.19 diag_nn_baseline.py |
| 16 | ★ 留出集逐字预测串倒出 | ✅ 完成（C′ 上 41.7% 输出孪生读音） | §12.19 diag_transfer_strings.py |
| 17 | 2×2 混淆矩阵（视觉×读音） | ⚠️ 候选池塌了，未建成（记下原因） | §12.19 |
#13.2 ★★ D+E 的最终读数（results/logs/exp31_DE.log）
| 之前（无 D/E） | DE（有 D/E） | 变化 | |
|---|---|---|---|
| β=0 时整串正确率 | 4.2% | 13.5% | 3.2× |
| β=0 时认字 | 9.4% | 36.5% | 3.9× |
| emit 均值 | 0.10~0.20 | 0.85 | 门从关死变常开 |
| 门（该开/该关） | 0.10 / 0.27 | 0.87 / 0.94 | ⚠️ 见下 |
判据 5 的分母是 30.2%（纯模仿），13.5% / 30.2% = 44.7% —— 未过 50%， 但比之前的 4.2% 好了 3.2 倍。
★ 两个新发现：
- D（内驱力）确实修好了"该动不动"：emit 从 0.10 → 0.85。
- ⚠️ 但门现在"常开"，矫正过头了：该关时也是 0.94（应 <0.5）。
→
DRIVE_EMIT=1.0偏大，或者缺少"说完该停"的约束。下一步要调。
#13.3 猜想清单（验证过的 / 被否掉的 / 待验证的）
| 猜想 | 结论 | 证据 |
|---|---|---|
| 用 raw 单通道就能认字 | ❌ 否 | 2.1%（＝瞎猜）；edge 层才是关键，四通道 84.6% |
| 降低下采样对英文有用 | ❌ 否 | 12×12 反而 85.7% |
| 汉字和英文对分辨率的需求一样 | ❌ 否 | 16px 汉字 4 次下采样 0.5%，3 次 99.8% |
| 4 次下采样 = 信息上限（"6×6 不可分"） | ❌ 否，是我错了 | 加形变增广后 c24/d4 从 0.4% → 91.6% |
| 多字体训练能救跨字体泛化 | ✅ 是 | 30.9% → 81.8%；加增广 → 90.5% |
| 纯 RL 能从零认字 | ❌ 否 | 冻结特征线性探针只有 2~19% |
| 目标字一直显示 → 记忆不必要 → 长不出记忆 | ❌ 否（我错了） | 字消失 20 刻准确率一点不掉（§12.17） |
| 真瓶颈是"每字 65%、误差乘性" | ✅ 是 | 31.2% ≈ 0.65³，0.65⁶≈7.5% |
| 它只是查表器 | ⚠️ 分不开（原判"否"已撤回） | A 的"查最近邻满分线"是 93.8% → 查表也能考这么高（§12.19） |
| A 的机制是"读声旁" | ⚠️ 未识别 | C′ 满分线 0% → 它没有分辨力；实测 2.0% 在噪声里（§12.19） |
| C′ 能分辨"视觉最近邻 vs 更细结构" | ❌ 否（是我的设计错） | C′ 的最近邻读音全不同音 → 两个假说都预测"低"（§12.19） |
| 给没教过的字，它会输出孪生字的读音 | ✅ 是 | C′ 上 41.7%，逐字预测串实测（§12.19） |
| 放手后崩 = RL 破坏模仿（不是池变难） | ✅ 是 | C(β=1) 30.2% vs 放手 4.2% |
| 内驱力能修 emit 门 | ✅ 是 | 0.10 → 0.85 |
| DAgger 解耦能修放手后崩 | ⚠️ 部分 | 3.2× 改善但仍未过 50% |
| 少样本/结构迁移 = 0 | ⚠️ 降级为"未定" | 原判"否"依赖 A 的判读，而 A 的机制未识别（§12.19） |
#13.4 下一步（按优先级）
- 读 C′ 形近异音（
exp31_Cnear.log）→ 钉死"视觉最近邻 vs 更细结构" - 调
DRIVE_EMIT：门现在常开（该关 0.94），需要"说完该停"的约束 - 继续压低判据 5 的差距（44.7% → 50%+）：
- 候选：自我纠正（Backspace）让误差不再乘性累积
- 候选：把 drive 作为输入喂给策略（当前只调制输出，策略"感不到"它）
- 候选：更长训练 / 更好编码器
- 接地线（指令→执行）：让字第一次有后果
- 工作台：只在 1–4 之后，判据 = 让"保持"与"迁移"同时改善
#13.5 ★★ 经验与教训（本阶段新增，跨任务通用）
A. 关于"假设"
- ★★ 校准锚点必须最先做。§12.17 里 N=0 那个对照（31.2% vs 训练时 30.2%） 救了整个判读：没有它，我会把 31.2% 当成"记忆掉了"的证据去改循环核，方向全错。
- ★★ 一个假设被否掉，和它被证实一样有价值 —— 前提是判据能失败。 本阶段有三个我的假设被实测否掉（记忆、下采样上限、任务漏洞），每一个都 把方向纠正到了真正的地方。
- ★ 报一个数字时必须同时报它的地板与天花板（§11.15）。"31.2%" 本身 无法解释；"地板 0.4%（随机）、天花板 100%（训练集）"才让它有意义。
B. 关于"对照设计"
- ★★ 对照集必须与实验组在「哪些变量被控制住」上对称。 形近异音对照我犯了两次同一个错（v2 随机留出的读音不在训练集； C′ 第一次构造的 5 个字读音也不在训练集）—— 两次都让对照变得不公平。 → 建对照时先列表：哪些变量必须相同？逐个核对。
- ★ 两个条件只差一个变量，否则结论无法归因。 v1（训练集 102 vs 3706）就是典型错误。
- ★ 一次训练可以同时评估多个留出集（同一个策略）—— 省一半算力， 而且天然保证两个条件在同一条学习轨迹上。
C. 关于"静默失效"（本阶段又抓了 5 个，见 §12.16）
- ★★ 不报错、不 NaN、只表现为"怎么练都不动"的 bug 是最贵的。
本阶段五个：
grp.obs没写回（策略永远看黑屏）、评估器绕过了它（第二现场）、 采样与更新不是同一个策略（h 状态没携带）、第 0 刻老师照黑屏示范、 emit 监督 14:2 类别不平衡。 - ★★ 分层可量是定位它们的唯一办法：像素差 → Crystal 差 → 编码器差 → 隐状态差 → logits 差。断在哪层一目了然。
- ★★
sup卡在ln(候选数)就是"完全没用输入"的指纹 （那是无信息时的正确最优解）。 - ★★ "训练好、评估差"先怀疑评估器也看错了输入，别急着说过拟合。
- ★ 指标要挑不依赖其它子系统的：
first_ok依赖 emit 门，门塌恒为 0；key_first_ok（直接比 argmax 键）才是干净读数。 - ★ 恒真检查 = 没在测东西。本阶段抓到两次：
gamma参数没被用上， 于是"γ<1 时原地不动白得奖励"那条反向验证永远通过； 以及gamma版塑形根本没实现。
D. 关于"工具与环境"（血泪）
- ★★★ 绝不用 shell 的字符串 cmdlet 往返读写源码（
Get-Content/Set-Content）。 一次误操作把screen_agent.py全毁，恢复花了十几轮（§12.12）。 - ★★ 这个项目现在有 git 了（
c5e638d起）。每完成一件事就提交。 - ★
.pyc当真相基准前先核对它的源文件 mtime/size；它可能比源码旧。 而且 pyc 里的测试自身可能有 bug（本次那个漏了[1]的断言）。 - ★ PowerShell 会吞掉空字符串参数（
--out ""），用none哨兵。 - ★ 中文字符串里绝不能嵌 ASCII 双引号（会截断 Python 字符串）。
本阶段我犯了 4 次。一律用
「」。 - ★ 改文件用
edit工具或 Python + 显式encoding="utf-8"； 批量改动写成可复现的补丁脚本（tools/patch_*.py），别手改。 - ★ 补丁脚本自己也可能有语法错 → 跑完必须检查它的退出码， 否则会看到"语法 OK / 自检通过"（那验的是没被改过的文件）。
- ★ 无头截图加
--virtual-time-budget会得到假阴性（时钟飞速推进 → 停滞检测立刻触发 → 全黑 25KB）。去掉它才是 295KB 的正确截图。
E. 关于"监控页"
- ★ 监控页必须按数据新鲜度停画，且"从未收到数据"要算作陈旧
（初值必须是
Date.now()而不是 0，否则最该停的场景反而永不停止）。 - ★ 同一个页面的不同部分不能有两条更新路径：本次
drawScreen在轮询回调、render2D在渲染循环 → 停画时出现"显示器有内容、面板全是 —"的矛盾画面。