18. 第 5 轮实测：预测头真的在学 + loss「规律起伏」的答案

#18.1 自监督预测：1.0 → 0.476（第一个"自主学习"的硬证据）

exp31_p_small（带 --pred-coef 1.0，其余与 g_small 相同）：

★★ 预测误差从 1.0 降到 0.476 —— 也就是解释了下一帧编码 52% 的方差， 而且这完全不需要任何标注：下一帧自己就是标签。

这是本项目第一条"它在自己学世界"的量化证据，与判据 5（认字）是两条独立的线。

★ 为什么中间会回升（0.235 → 0.476）：课程在扩池（33 → 84 → 134 → 142 字）， 世界变复杂了，预测自然变难。这与"变差"不是一回事 —— 看趋势要看 "同期正确率在不在涨"：它从 1.0% 涨到 37.5%。

#18.2 ★★ loss「规律起伏」的答案：主要是课程扩池，不是 bug

用户在看板上看到 loss 呈规整锯齿，问"这正常吗"。

先说清一件事：控制台每 250 步才打一行，那个稀疏度根本分不清 "结构性周期"与"单步方差" —— 所以我先加了 --loss-json（逐步落盘） 与 tools/loss_curve.py（自相关 + 把"扩池台阶"与"单步方差"分开）。

从已有点位能直接看出的部分（diag_loss_oscillation.py）：

步    1  池= 33  loss=+13.939   正确率= 0.0%
步  100  池= 84  loss= +4.324   正确率= 0.0%   ★ 扩池，loss 掉 9.6
步  200  池= 84  loss= +1.232   正确率= 1.0%
步  300  池=134  loss= +1.504   正确率= 5.2%   ★ 扩池，loss **升** 0.27
步  400  池=142  loss= +1.614   正确率=10.4%   ★ 扩池，loss **升** 0.11
步  500  池=142  loss= +1.973   正确率=17.7%

模式很清楚：loss 与"进度"反着走，与"池大小"正着走。

正确读法：loss 不是"进度计"，它是"当前难度下的拟合误差"。 课程扩池 -> 难度跳一级 -> loss 跳高；随后策略跟上 -> loss 回落。 于是它天然呈锯齿。这不是 bug，是该指标的性质。

★★ 判断"有没有进步"要看验证读数（正确率/判据 5/预测误差），不要看训练 loss。 本项目已经有三次因为错读指标差点走错方向（§12.17、§12.19、§16.4），这是第四次。

还有一条待量：loss 的单步方差有多大（--loss-json 的曲线里能算自相关）。 若自相关在某固定 lag 上强 -> 结构性；若接近 0 -> 单步方差大， 那时该只看滑动平均（tools/loss_curve.py 已经实现了这条判断）。

#18.3 ★★ 并行：GPU 从 8~17% 涨到 99%

★ 安全上限是 3 个并行：开到 4 个时显存 7759/8151 MiB，逼近 OOM。 ★ 也就是说：§15 里"喂不饱"的结论是对的，而解药不只是加大 batch —— 并行跑多个实验也能把显卡填满。 两者要一起用，但要按显存算并行数。

★★ 这条对项目节奏的意义很大：实验吞吐从"一次一个"变成"一次三个"， 而每个实验本身也快了 2 倍（batch 16→128）。综合约 6 倍。

#18.4 到目前为止的三条独立读数（必须并排看）