§28 2026-10-04 凌晨：四个干预跑完后的判定 —— 一条记账修正、一条不成立、一条被削弱
·
★★★★★★
2.8k 字 ·
源文件 PROJECT.md 第 5171 行起 ·
discipline ruler arch ground selfcorrect
★ 本节把
§26.5里那四个干预的结果收口，并更正两处早先的结论。 ★★★ 所有读数用权威口径eval_f2_all_checkpoints.py（固定种子 + 24 题/指令 + 贪心）。 ★ 主读数按铁律 = 末点相对最好点（三个数一起报）。
#28.1 ★★★★★★★ 判定表（四个干预）
| 干预 | ★ 判据（跑前写死） | ★ 结果 | ★ 判定 |
|---|---|---|---|
★★ W2 --rl-scale 0（移除 π） | 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），而未干预的末点 = 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（移除 π+v+ent） | 验"v 是否被 π 抬高" | ★ 未跑完（RLO 跑次没开 --gn-split ⇒ 无法离线替代） | ★ 记账 |
#28.2 ★★★★★★★ 而 T5 的判定比"成立"更强
★★★ 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"。
#28.3 ★★★★★★ 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%）；而中段速度差 2–8 倍。★ 且 FT_s4 自己的形状是 U 形（首段最快 0.000944） |
| ② | ★★ "冻主干是累积器，而全参是替换器" | ★★★ 只在 FT_s4 上成立；FT_s6 是"早峰后衰退"（最好点在步 1）⇒ 降级为单种子的机制假设 |
#28.4 ★★★★★★ 现在可以无条件引用的（A 类，节选）
| # | ★ 结论 | ★ 证据 |
|---|---|---|
| A1 | ★★★ 移除 π 显著提高最好点 | +29.5pp，Fisher p = 0.0000 |
| A2 | ★★★ --restore-best-at-end 保住最好点（纯记账） | 9 个快照逐位相同；参数差 0 |
| A3 | ★★★ --freeze-trunk 确实生效 | 主干 13,767,061 参数逐位差 0 |
| A4 | ★★★ 并行协议不改变训练轨迹 | 790 步逐步损失曲线差 = 0.0000e+00 |
| A5 | ★★★ 摇杆的 tanh 把输出压缩 2.2 倍 | 最优缩放 a* = 2.20 |
| A6 | ★★★ 一个新的线性读出在到位前窗口几乎完美 | RMSE 0.0026–0.1097 |
| A7 | ★★★ 原训练读出的形状差 6 倍 | RMSE 0.85–1.12 |
| A8 | ★★★ 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° |
| A9 | ★★★ 解会"升-峰-降" | 六条非冻主干跑次里五条 |
#28.5 ★★★★★★ 而不可引用的（C 类，节选）
★ "上限在【同时】上" · "读出竞争是上限来源" · "价值头在拖 trunk" ·
"移除 π 改善了保持" · "每个最好点都是 3 条好 + 1 条全死" ·
"v 是末段大更新的驱动项" · "绑定存在然后崩塌" · "偏离在指令方向上" ·
"末段大更新导致丢失"（本轮新增）· "冻主干是累积器"（本轮降级）。
#28.6 ★★ 下一步（按优先级）
| # | ★ 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（FT_s6_best 再训一次） | ★ 那个 60.4% 的点是否可改进 |
| 3 | ★★★ 组合干预：--rl-scale 0 + --restore-best-at-end | ★★★ 今晚两条最强修法叠加 |
| 4 | ★ GN2P | 把"并行不改变轨迹"从 790 步扩到 1400 步 |
★ 全部判据在 journal/CRITERION_*.md 里、且在跑前写死。