# JEV checkpoint 当前状态

更新：2026-09-28 08:10 北京时间。目标仍是有可辩护创新、真实独立效果的方法论文，尚未完成。详细历史、Luna切换时间及未决问题见 `HANDOFF_20260927_CURRENT.md`。所有状态须与下列原始记录核对。

## 正在运行

| 工作 | 当前状态 | 原始入口 |
|---|---|---|
| 0.6B joint now/final，seed2 | seed0、seed1均正常完成并独立审查；GPU7已接续seed2 | `runs/baseline-text-joint-s2-20260928/process.log`、`runs/baseline-text-joint-s012-20260928/state.json` |
| 0.6B independent now，seed2 | seed0、seed1正常完成；seed1 readout已准备并交独立复核，GPU6已接续seed2 | `runs/baseline-text-now-s2-20260928/process.log`、`runs/baseline-text-independent-s012-20260928/state.json` |

训练数据为修复后296 ext任务/13178决策，dev40任务/160尝试只用于分组校准与评估。共同17692行文本缓存完整join。joint seed0/1已完成，当前由队列session7690管理seed2；independent now seed0/1已完成，当前由队列session67609管理now seed2；恢复以实际lease、process.log、completion为准，不重复提交。GPU6/7 keeper均暂停，0–5与原RL不动。原GPU7服务已正常关闭，旧service.json不是活服务。

完整模型结束后的CPU整理已自动化：session73164 / `runs/baseline-text-readouts-20260928/state.json`，目前joint0/1与now0/1已整理，其余等待正常closure后计算逻辑输入、counts配对比较、完整证据表及数字存在性预检。now1的单seed原始点均未通过主H门槛，独立结果审查中；prepared不等于科学认可，无重选、无净GPU结论。首次启动因host-only ARIS路径不可见而在建队列前失败；原工具已逐字节复制到项目tools/，实际容器预检224值通过，独立窄复核后才成功启动。

independent-now seed1已完成独立审查，结论为 **NO（仅此固定seed）**：四个策略点都未满足主H≤1%或补充净损失≤1点。deterministic harm点73/160成功（native77），H=2.5%、无挽救，输入省14.7730%、输出省9.0380%；全部8项counts配对对照未建立增量。独立复算、56值预检和473/473模型产物检查通过。见`refine-logs/CLAIMS_FROM_TEXT_NOW_S1_20260928.*`；不据此推广到其他seed或取消固定队列。

完整九模型的资源已前瞻登记：joint三项×4h、independent六项×3h和smoke合计最多30.109h，decision-train内部cap由16调到32。GPU6后续固定队列44项模拟复核通过，已确认now seed0结束并接续固定后续任务（session67609；`runs/baseline-text-independent-s012-20260928/state.json`）；见`CKPT_NINE_MODEL_RESOURCE_PLAN_20260928.md`。当前训练及GPU7接续绑定的科学代码/数据/config未变。

joint seed2已完成并独立审查为限定 **PARTIAL**：gain/harm为78/160成功（native77），1次误停、2次挽救，H=0.625%，生成器输入省11.7991%、输出省7.8731%；另计50106.3875个0.6B逻辑输入token/次。相对counts-failure输入节省差−5.9953个百分点，paired95%区间[−21.2911,5.6568]，没有建立增量、总体安全或净GPU收益。16点、28对照、224证据值和474项模型检查通过。见`refine-logs/CLAIMS_FROM_TEXT_JOINT_S2_20260928.*`，不推进方法/test gate。

independent-now seed2也已完成独立审查，结论为 **PARTIAL_SINGLE_SEED_DESCRIPTIVE_ONLY**：deterministic harm点77/160成功、零误停/零挽救，输入省2.8421%、输出省1.8112%，另计55478.43125个0.6B逻辑输入token/次；H条件95%上界4.375%，不能给总体安全保证。其余3点均未满足观察到的H/净损失门槛，8项counts对照未建立增量。4点、56预检值、473项模型检查通过。见`refine-logs/CLAIMS_FROM_TEXT_NOW_S2_20260928.*`，不推进方法/test gate。

## P3 typed固定实例已关闭

独立复核 `refine-logs/P3_TYPED_FIXED_CLOSURE_REVIEW_20260928.{md,json}` 支持 **UNTRAINABLE_FIXED_READOUT / CLOSE_FIXED_INSTANCE**；停止效果 **NOT_EVALUATED**，不是负效果。该复核为reused-context / same-family provisional。

- 固定96任务/192尝试、723 uses全部完成：521生成失败、183不合格、15无机会、4可用记录。
- 275唯一首稿：74格式有效、201无效；1442486输入/74671输出token，usage完整。72唯一科学执行：50 setup_error、18 invalid_spec、2未观察到目标操作、1 behavior_fail、1 behavior_pass。
- 4条可用记录共享一个任务的一次current执行。Base/predecessor/older各只有1已知机会/1任务/单类，未达到固定12机会/6任务/两类门槛。不能把四arm当四个独立样本。
- Counters now/final确实拟合，分别173/177已知机会；完整方法bundle未保存，未进入typed dev。不能写“完全没有fit”。
- 178资源条目均有closed收据，总11356.1413生命周期代理秒；typed GPU累计0.2143726519h。保留原源树修复、端口失败与费用；共享daemon CPU仍未知。
- 关闭本固定实例，不追加task/seed、不修稿/放宽parser救援。不推广为所有执行证据无效。原始入口为queue_state、ext-account与fit/gate。

## 修复后基线已完成的读出

counts-only及counts+self-probe的三个固定种子、独立self-score均完成并经独立复核；同一feature set三seed预测完全一致，不算三次独立数据复现。

- counts-only deterministic failure-termination：Q=77/160，与native点估计相同；1次误停、1次挽救；输入省17.7944%、输出省12.4584%。输入节省95%区间[8.4046%,31.2074%]，H区间[0%,3.125%]，不是总体H≤1%或非劣保证。见`refine-logs/CLAIMS_FROM_COUNTS_BASELINE_20260928.*`。
- probe相关20个预登记组合全部不满足主H≤1%点门槛；唯一补充net-loss菜单合格点为counts+probe deterministic now（净损失.625个百分点，H=1.25%）。计入保留成功query的输入下界后，所有counts+probe点已比native贵；历史请求成本仍不完整，不能报净GPU结论或全语义信号无效。见`refine-logs/CLAIMS_FROM_PROBE_BASELINES_20260928.*`。
- 两份结论都仅是已有基线的已重用dev证据；不改变P3/test/paper gate。正式方法比较仍须统一选择与成本口径。

## 首个完整文本种子的读出

`joint_now_final / seed0`正常完成：296ext任务、13178训练决策、3296更新、17692行完整预测，实际2.3410896807GPUh。独立复算全部16点、28配对对照、逻辑费用与模型产物后，`CLAIMS_FROM_TEXT_JOINT_S0_20260928.*`判定**不支持这一固定seed优于counts**，仅限single-seed baseline。

满足观察到H≤1%的deterministic failure-termination在两种校准约束下都只省0.1388065%生成器输入，Q仍77/160、H点估计0；H条件95%区间为[0%,6.25%]，不是总体安全保证。该点还需57330.575个0.6B逻辑输入token/次轨迹（约25.56次查询），与9B成本分列。对counts failure-termination的input-saving差为−17.6556个百分点，paired95%区间[−29.5431,−0.9527]；不推成全模型/所有资源的支配结论。

now/gain确定性主H点分别省8.51%/9.11%输入，但H均1.25%，不能作为合格收益。完整独立now/final和其余seed仍未完成，不据这一个seed取消、改参或改变未来方法选择门槛。成本后处理、证据预检224数值与独立数学复算均通过；原始源在`runs/baseline-text-joint-s0-20260928/output/`。

## 独立final seed0审查状态

independent-final seed0已完成独立审查，结论为限定单seed partial：failure-termination/harm点77/160成功、零误停零挽救，输入省3.3577%、输出2.2012%；H条件95%上界5.625%，相对counts-failure输入差−14.4367个百分点，区间[−23.6198,0.2868]，没有建立增量。全部8点、12对照、112证据值和473项模型检查通过。见`refine-logs/CLAIMS_FROM_TEXT_FINAL_S0_20260928.*`。

## final1 recovery successor审查

final1 recovery successor是原final1同一seed在容器exit137后的恢复执行。独立审查为限定partial：failure-termination/harm点76/160成功、一次误停、无挽救，输入省10.5071%、输出8.0154%；mixture超过观察H门槛，counts增量未建立。全部8点、12对照、112证据值和473项模型检查通过。见`refine-logs/CLAIMS_FROM_TEXT_FINAL_S1_RECOVERY4_20260928.*`。

final2 successor已完成独立审查：原登记final2在队列丢失后的同一seed恢复执行，failure-termination/harm为76/160成功、一次误停、无挽救，H与净损失均0.625点，输入省16.5111%、输出12.6905%；H条件95%上界约3.75%，counts增量未建立。8点、12对照、112证据值和473项模型检查通过。见`refine-logs/CLAIMS_FROM_TEXT_FINAL_S2_SUCCESSOR_20260929.*`。

## 九模型汇总与标签消融审查

九模型三seed汇总已独立审查为 **PARTIAL_DESCRIPTIVE_LABEL_ABLATION_ONLY**：resolve-loss菜单下当前标签相对最终标签输入节省+10.8117个百分点，区间[+1.8568,+18.1361]，但解决率差−2.2917点、H差+2.5点；mixture也只显示标签依赖的tradeoff并失败观察风险门槛。4844个数值、18个source hash和80项证据值复现通过。无counts增量、部署结论或总体保证；方法/test/paper gate不变。见`refine-logs/CLAIMS_FROM_TEXT_FULL_SUMMARY_20260929.*`。

方法重构review对ACRB给出RETHINK（5.05/10）：artifact ledger、risk budget和abandon没有形成超出已有hazard/OS-Pruner/Fail-Fast的独立机制。后续只保留三条有明确kill条件的执行见证路线；Route1已完成label-blind inventory，dev有107条cross-modified轨迹/2082个候选机会，ext有418条/7547个机会。正式CPU smoke协议见`refine-logs/CROSSED_WITNESS_PILOT_PLAN_20260930.md`，尚未执行新命令，不读test、不占GPU。

Route1 crossed provenance的20任务smoke为80/80有效视图，但17个任务四视图全通过、3个全失败，没有code/test分化；已关闭。Route2 persistent witness的8任务/16视图也全部有效，7个failure持续failure、1个由rc1变rc4，没有failure→pass；已关闭。两条路线的负执行收据保留，不写成正确性标签或测量主贡献。Route3 mutation-response仍是高风险reserve，尚未执行；当前没有通过方法门槛的主方法。

Route3 repair-response smoke也完成：4任务/8视图全部有效，current与code-reversed public命令返回码完全一致；按kill条件关闭。Route1/2/3的CPU smoke均为null，当前没有通过方法创新门槛的路线，不应再把它们组合或美化成主贡献。

## 联合模型seed1完成并独立审查：限定partial

`runs/baseline-text-joint-s1-20260928/`正常结束，实际2.3359850916GPUh，3296更新及17692×2完整预测，自动证据预检224值通过。原始deterministic gain/H点Q77/160、H0.625%、rescue0.625%，输入省8.2285%、输出省5.2875%；另计52828.93125个0.6B逻辑输入token/次。对counts failure的输入节省差为−9.5659个百分点，paired95%区间[−22.1386,3.3202]，不是增量证明。全部16点/28对照保留；fresh-context reviewer`/root/text_joint_s1_result_review`已完成复算与判定，限定partial：有观察到的低H节省点，没有对counts的已证增量。16点/28对照、5200折校准与474项模型产物检查通过；见`CLAIMS_FROM_TEXT_JOINT_S1_20260928.*`。gain/H mixture净损失0.9867点虽满足观察到的补充容忍值，但H2.145%失败；不推进方法或test门槛。

## 独立now首个种子：主/辅口径要分开

`independent_now / seed0`正常完成，实际2.3481359782GPUh；独立复算4点、8项counts配对比较、4项sharing比较、逻辑费用和473项模型产物检查通过。`CLAIMS_FROM_TEXT_NOW_S0_20260928.*`给出限定partial，**不是主门槛通过**。

- harm校准的deterministic点：76/160解决（native77），两误停+一挽救；H1.25%不满足主H≤1%，但观察到净损失0.625个百分点满足补充净损失≤1点。生成器输入省9.8801%、输出省6.8254%；另有51018.31875个0.6B逻辑输入token/次轨迹。不要将此误写成单独net-loss校准菜单通过。
- 真正的resolve_loss校准deterministic点净损失3.75个百分点，未通过；两个mixture点也不满足观察到的主/辅门槛。
- 与counts-now、counts-failure、joint-now的收益差区间均跨零。共享训练对照不等于纯当前/最终标签消融；后者仍须等independent-final及其余seed，不支持负迁移或全模型家族结论。

固定策略分解已完成：counts failure的已省输入中91.1261%来自当前错/原生最终错，text now的73.4559%来自当前对/原生最终对。两者分别停45/46条、交集5条。说明已选策略的作用位置不同，不证明组合有效；未做复合策略或新选择，text now原有主H失败仍成立。原件`runs/fixed-stop-partition-20260928.json`，解释`refine-logs/FIXED_STOP_PARTITION_20260928.md`。

固定15组标签/共享训练对照已接自动收尾：session54647，`runs/text-label-readouts-20260928/state.json`，当前waiting_all_nine。九模型全部完成并整理后，运行原登记的15组算术与840值预检；20h总界、CPU两线程、无新fit。5个生命周期测试方法及真实容器sharing-now0等值smoke通过；这是本地执行检查，不能写成新的独立科学审查。启动后不要修改该队列、text_label_contrasts.py、text_counts_contrasts.py、tools/evidence_check.py及原TEXT_LABEL_CONTRAST_PLAN。

完整三seed统计工具与独立代码审查已完成：`scripts/summarize_text_baselines.py`、`refine-logs/TEXT_THREE_SEED_SUMMARY_REVIEW_20260928.md`。只有九模型readout全部prepared后才执行，保留84个原始种子点/28组与20组配对汇总；先对齐task draws取seed均值再算区间。CODE_READY不等于科学认可，当前未运行真实汇总；joint1已prepared，now1与joint2仍在计算。

## 接下来怎么走

1. 完成已登记0.6B联合头三种子和独立标签消融，记录全部结果，做独立结果审查。Gain是两个概率之差，不是第三个拟合头。
2. 依据修复数据重新选择方法；counts-only已有17.8%描述性输入节省，不再沿用“廉价信号学不出来”作为一般前提。新候选须保留原问题锚点、明确增量机制。`POST_P3_METHOD_TRIAGE_20260928.*`判定多轨迹分配REVISE、主动标签校准作为主线RETHINK；两者均未进入实验。
3. 正式方法比较须统一风险、native质量、输入/输出、monitor与执行费用；baseline当前选择口径不等于P3的全部限制。缺成本不补零，不主张线上净GPU收益。
4. 正面开发结果还须独立确认、线上等价/成本、全冻结后一次test；complete-known-dev组件审查不等于coupled unknown envelopes/final-test reader完成。

## 已关闭路线与数据边界

- final-state G001/F1不复活；同任务配对/offset、artifact-memory24cell、P1固定proposal筛选实例均已独立负结果关闭。
- P2 narrative修复后独立NO：160dev尝试，输入省8.2089%，但Q48.1250%→46.1667%、误停H1.9583%，超过1%。证据为 `CLAIMS_FROM_NARRATIVE_REPAIRED_20260927.*`；旧错误STOP和输出保留。
- P3 v1固定16任务：48首稿、42科学执行，必需条件训练支持不足，UNTRAINABLE，效果NOT_EVALUATED。不是停止效果负结果。
- 权威数据 `runs/ckpt-pilot-dataset-timeout-thread-amended-20260927/`：dev160/4091标签完整；ext600计划、599捕获，87决策/3终局unknown保留。当前基线沿原完整轨迹训练规则，typed按其固定逐机会监督规则。
- test240计划、239捕获、5667无标签特征。标签继续封存，`runs/ckpt-policy-freeze/`尚未建立；所有方法/权重/特征/阈值/评估器/成本冻结前不读test。

## 外部复算准备

已核验Latent Programming Horizons的作者论文/公开数据入口，并按metadata固定340允许任务×2模型×10槽=6800个计划槽（6786槽列有轨迹和标签）。排除test60及另文holdout100；随后按预登记计划读取两ext任务×两模型×run0的4对实例，完成schema检查，未计算停止效果。见`refine-logs/LPH_PUBLIC_DATA_ACCESS_20260928.md`。这不是跨模型结果或已验证的token回放；trajectory metadata自身也含outcomes，后续须同时过滤轨迹和标签。

固定6800槽的byte下载已通过资源边界复核并启动（session26909，host PID3341487）；入口`runs/lph-public-download-20260928/state.json`。最多6h派发、累计响应体32GiB、单文件16MiB、每秒最多1请求；失败保留收据，不解析结果。原double-copy/失败漏记的BLOCKED与修复复核均保留。

可选补充分析协议与读取器已通过独立复核、22项本地合成测试和固定4槽真实结构smoke。指标是事后被作者标为正确的捕获补丁出现之后的保留token尾部比例，不奖励oracle中止失败轨迹；缺标签/费用/捕获记录给界，不混同主要full-tree oracle。等待队列session50963 / `runs/lph-positive-tail-queue-20260928/state.json`已启动，下载出现终态后至多执行一次2h/CPU2线程分析，再单独审查结论；当前未做全量结果统计。

## 共享CPU主机状态

gpu23于09-28 05:52北京时间只读检查：根盘约66.2GB可用、35%已用；Docker API返回正常，数据根为/data1/docker。不能追溯是谁何时清理，也未新建容器验证；这不是此前0字节状态。收据`runs/gpu23-readonly-health-20260928.json`。

## 论文义务

没有支持论文主贡献的正面方法结果。允许长期研究，但最终必须有方法创新；不以诊断或测量作最终替代。正面pilot仍需独立确认、线上等价/成本、冻结后一次test。最终必须调用ARIS论文技能及两轮auto-paper-improvement-loop进行真实review–edit–compile并交付PDF。`paper/main.pdf`仍是历史草稿。