4.5 记忆：一次重要的自我纠正
原结论是"遗忘是重学，不是取回"。核对四组读数后要改成三层：
| 阶段 | 认字 | 整串 | 留出字体 | 无回显 |
|---|---|---|---|---|
| P1（只学任务A） | 100% | 100% | 62.5% | 100% |
| P2（学完任务B） | 61.5% | 2.1% | 1.0% | 0.0% |
| P3（旧头重训） | 100% | 81.2% | 47.9% | 6.2% |
| P4（全新头重训） | 100% | 82.3% | 47.9% | 6.2% |
- 表征层：任务A 的信息还在（随机新头训 200 步就能到 认字 100%）
- 读出层：坏的是输出映射（旧头只有 2.1%）
- 恢复不是取回（
P3 ≈ P4，无储蓄效应）
★ 而我们完全没有情景记忆 —— 只有"工作记忆（状态）+ 语义记忆（权重）"。
#五、我做过的错（主动列出，供评审判断可靠性）
同一个形态的错误犯了六次以上：用一个「点」代替一个「分布 / 一条曲线」。
| # | 现场 | 我的错 | 被什么挡住 |
|---|---|---|---|
| 1 | A4_F30 1 个种子过线 | 宣布"项目第一条过线" | 复现（3 种子 -> 1/4） |
| 2 | A9_N0 1 个种子过线 | "门控多余" | 复现（重跑崩） |
| 3 | I16_v0s0 过线且串更长 | "比门控更好" | 复现（v0s1 停 75%） |
| 4 | 步 301 的 sup=3.19 | "监督损失在涨" | 末值其实是 0.0000 |
| 5 | RL_SCALE=0 | "冻住了策略" | 参数哈希：11/12 步在变 |
其他类：
| 类 | 例 |
|---|---|
| 用一个间接量代替直接量 | arrive_hold 只传给了评估环境，训练里一直是 0 -> 4 个跑次作废 |
| 先猜 API/字段名 | 一个 session 内 5 次（rollout 签名、发明不存在的函数、检查点键 model→policy、curve 键 acc→acc_eval…） |
| 假阳性比漏报更糟 | 我写的检查器第一版报了 13 处死链，全是假阳性 |
| ★ 为了省显存顺手改了另一个变量 | 做容量实验时同时改了 batch（160/80/40）-> 整个实验白做（这是我自己批评过的"一次改两件事"，然后又犯了） |
| ★ 选择偏差 | 审计清单里我只重跑了"过的"那个跑次，漏了"崩的"那个 |
| ★ 审计方法缺陷 | argv 重放保证"参数同"，但代码语义变了（参数在旧提交上含义不同）—— 1 个跑次因此无效 |
★ 我认为最值得评审的一条：
"我推理两次都错，然后直接把那个量打印出来，一次就看清了。" （这发生了两次：
policy_hash和这次的dL/dh。） 似乎"直接量"在这个项目里比"推理"可靠得多 —— 这是方法层面的教训还是巧合？
#六、我目前的判断（请重点评审这一节）
| # | 判断 | 依据 |
|---|---|---|
| 1 | 瓶颈不在循环核，而在读出结构 + 记忆结构 + 梯度路由 | 4.3 / 4.4 |
| 2 | 不要换核（换 CfC→Liquid-S4 等）—— 它动的是"不是瓶颈"的那一层 | 同上 + Liquid-S4 的卖点是并行/长程，而我们是逐刻在线、horizon=16 |
| 3 | 不要上 3D —— 瓶颈不在视觉（认字已 100%） | 4.4 |
| 4 | 算力完全够（实时余量 200 倍） | 2.1 |
| 5 | "有状态/时序"是必需的（无状态模型在架构上无法满足需求） | 一、1.3 |
| 6 | ⚠️ 但"连续时间"（τ）在我们设置里基本没被利用（tick 是离散等间隔的） | 需要评审 |
| 7 | 该做的三件事：① pi 初始化（路通）② 读出加宽 ③ 显式记忆存储 | 4.3 |
| 8 | ⚠️ "她一直醒着"与"睡眠/离线巩固"在架构上冲突（人类记忆里最有用的一半要求离线阶段） | 需要评审 |