22. 现在的瓶颈与下一步（含对其他 AI 路线的评估）
★★★★★
1.6k 字 ·
源文件 PROJECT.md 第 4658 行起 ·
ruler optim external
#22.1 ★★★ 瓶颈判断
★★★ 不是"缺信息"，而是【缺一个把学到的东西保存下来的机制】。
★ 支持的证据：三条线里两条在最好点达到地板的 40–80 倍，然后回到地板； 唯一守住的那条（
A）没有撤任何支架，而且它的监督项【持续存在】。
#22.2 ★★ 对"三阶段：内心 → 驱动 → 翻译成语言"路线的评估
★ 方向同意（先内心、后语言；T/F 判据尤其 F 是关键；LLM 不能当评价者）。
★ 三处修正（详见 journal/REVIEW_OF_THREE_STAGE_ROADMAP.md）：
| # | 修正 |
|---|---|
| 一 ★★★ | ★ 它建议先建"多时间尺度状态 + 经验回放"，但没提"奖励项在更新里占多少"这个尚未测的量。<br>回放改变的是【采样分布】，而当前更新量是否由奖励项决定【还没测】。<br>★ 正确第一步：先用 --gn-split 测出各损失项的梯度范数份额。 |
| 二 ★★ | ★ ts 不是"不需要调到 50"，而是真实权衡（见 §21.2）。<br>★ -> 所以"三块不同时间尺度"这个想法恰好是对的，而且现在有了它的动机。 |
| 三 ★★★ | ★ "慢"不等于"记忆"：三块独立 CfC 各自只看到自己的输入时，<br>得到的是【滤波器组】，不是【记忆】。<br>★ 要得到记忆必须有【写入门】（h_fast 能把具体内容写进 h_mid，且有选择地写）——<br>这才是"记忆没有自己的地方"那个结构问题的解法。 |
#22.3 ★★ 下一个实验（按成本排序，全部跑前写死判据）
| # | 做什么 | 判据 | 成本 |
|---|---|---|---|
| 1 | ★★★ 用 --gn-split 测三个 β 下各损失项的梯度范数份额 | ★ 得到"谁在主导训练"的数字；<br>若 share_pi 在 β=0.4 时极小 → 回放的前提不成立 | 约 20 分钟（tools/measure_gn_share.py 已就绪） |
| 2 | ★★ 把 B 的最好点【冻住】并继续训 | ★ 若不再退化 → "缺锚"成立，而锚可以来自【参数冻结】而不是经验回放 | 约 15 分钟 |
| 3 | ★★★ 三块状态 + 【写入门】 | ★ 三块各自达标；h_slow 不为常数；三块互不挤 | 中等 |
| 4 | ★ 回放缓冲（仅当第 2 步指向"缺数据"） | ★ B 臂末点不塌回 0% | 中等 |
| 5 | ★ 表达驱动 + 自发输出 | ★ 与外部奖励的相关性不显著；<br>关掉驱动后自发动作消失 | 中等 |
| 6 | ★ 符号到符号翻译 → 接 LLM | ★ T 过、F 不过（F 是关键） | 大 |
#22.4 ★ 第 129 条教训（本会话最值得留的一条）
★★★★★ "撤掉某个输入后结果没变"有两种完全不同的原因： 那个输入【不重要】，或者那个输入【本来就没进来】。
★★ 可复用的做法：做"撤掉 X"的实验之前，先核对【X 在正常情况下的贡献量级】； 而在用自己的推理替代项目已有工具之前，先搜一遍项目里有没有为这个问题写好的东西。
★ 错不在测量方法，而在【没有先看项目已经怎么解决过它】。