M−B / M−O / M−E

目的

核对当前主张的证据范围；详见原文设置。

条件 / 口径

pilot 原有 40 任务×8 条，正式训练准入为 149 任务，相关开发子集为 39 任务。主评测官方500和封存holdout100保留固定分母；开发机制 pilot 不能冒充 holdout 效果。[R2][R6]

技术运行

未测量

科研有效性

待验证

结果

未测量；留出策略效果、种子比较和总训练成本 Pending。

判断

主方法的实证贡献尚未完成。[R1][R6]

成本

按来源的输入、输出、服务时间与GPU小时口径阅读，未知不补零。

观察时间

2026-10-01 汇总更正；训练记录止于 09-28

关联日报：2026-09-27