# JEV checkpoint 方法论文：2026-09-27 接管目标

用户目标：完成一篇有可辩护方法创新、有真实实验增益的 JEV 论文；不接受以测量或诊断为最终贡献。时间允许持续研究（此前授权可等约十个月），不是立即包装现有结果。

## Problem Anchor

冻结 coding agent 的昂贵轨迹中，学习一个只观察当前可见前缀的控制方法，在严格核算成本的条件下改善解决率—成本前沿。必须体现一个可验证的方法机制，并在未用于选择的任务上产生可靠增益。

- 原 final-state G001/F1 路线维持 STOP；当前使用 checkpoint 线。
- GPU08 物理 GPU6/7 长期归本项目；0–5 和 RL 原始代码/数据均不可改动。用户于本次接管再次确认。
- 扩展训练可用 300 个已冻结任务，含 pool150 中 110 个任务；与 40 个开发任务、60 个 test 和另文 holdout100 不重叠。
- test 的 checkpoint 标签在方法、特征、阈值和评估代码冻结进 `runs/ckpt-policy-freeze/` 之前保持封存；自动判分及无标签特征提取允许。
- 开发选择按任务分组；学习信号的泛化和阈值选择的偏差必须区分。输入 token、输出 token、额外控制器/验证成本分别记录。
- ARIS：research-pipeline（AUTO_PROCEED=true，AUTO_WRITE=true）；当前从方法与数据完整性恢复，不重启旧实验。具体 venue 尚未绑定，先推进研究。

## 当前决策

2026-09-28追加：修复数据上的counts-only GBDT三固定seed已完成、预测完全一致，独立复核仅支持开发集描述性点：failure-termination在160尝试上保持77次成功，输入省17.7944%、输出省12.4584%，一次误停与一次挽救；H的95%上界3.125%，没有总体安全/独立泛化保证。因此不能继续把旧40任务实验解读为“廉价计数信号学不出来”的一般结论。它是现有基线，不是新方法贡献。自评补充基线没有通过主H门槛，历史查询费用亦不完整；不得用generator-only节省冒充净节省。权威结论见`refine-logs/CLAIMS_FROM_COUNTS_BASELINE_20260928.*`和`refine-logs/CLAIMS_FROM_PROBE_BASELINES_20260928.*`。这些baseline-only判定不推进P3、test或论文门槛。P3 typed固定96任务实例已独立复核关闭为UNTRAINABLE_FIXED_READOUT：必需读出支持不足，停止效果未测，counters两头确有拟合。下一步完成已登记0.6B标签消融，再独立打磨新候选；不增补任务或修改提示救援本实例。

先纠正证据链，再验证扩展数据与语义信号。旧的计数、自评、0.6B 结果只来自 40 个任务，其中 0.6B 仅一个种子的五折；这不足以裁定语义停止策略无效。重启也不作为已经成立的创新：Fail-Fast, Restart-Smart 已明确研究同策略重启。

接管时发现：补丁文本读取改变 CR 字节；预算截止误用未到达 checkpoint；生产文件筛选及缺失标签仍待独立审计。所有受影响历史数字保留，但在复核前不进入论文主结论。

## 接续任务

1. 修补丁字节传输并重判受影响 checkpoint，保留原失败/旧缓存证据。
2. ARIS 新上下文完整性审计，修复表构建、决策时点、缺失标签与预算评估中的错误。
3. GPU6 有界验证 hidden-state 分块等价性；GPU7 保持 9B 服务供数据修复后的语义特征提取。所有 GPU 新作业经 gpu_job。
4. 冻结扩展训练/开发交叉拟合方案，比较目标直接针对停止损失的训练与现有 now/final/gain 基线；独立 ARIS 方法评审和查新后选择最小机制。
5. 完成三种子、成本核算与开发消融后才冻结并一次性评 test。结果不足时按明确假设迭代，不凭 oracle 余量宣称有效。
6. 方法与效果成立后更新论文主体、图表、引用和 PDF，并执行 ARIS 论断/引用/论文审查。用户本轮明确要求最后调用论文修改技能：必须执行 `aris:auto-paper-improvement-loop` 两轮评审—修改—重编译，保存改稿日志，不能仅交付结果摘要。


2026-09-28首个修复后文本种子独立读出：joint seed0正常完成，但主H约束合格策略只省0.1388%生成器输入，并有额外0.6B逻辑输入；本固定seed无对counts的实用增量。完整九模型仍继续，不能据单seed取消预登记工作或宣称当前标签/语义信号全面无效。见`CLAIMS_FROM_TEXT_JOINT_S0_20260928.*`。新方法分流仍等待完整标签消融，test封存。