EXP-3D-CAJU3D-ENGINE-V1：CAJU-3D 第一步——不含学习模块的 TTT 引擎
结论：STOP_AT_DEV。 方案中不需要学习的四个机制都没有超过 Core B（发布版权重加原始 TTT），所以按预注册规则不做确认：
- α 归一化、只看已覆盖像素的 TTT 损失；
- 几何参数与外观参数解耦；
- 入射角/深度跳变掩码；
- L2 锚梯度锥投影。
方案说明里的"关键工程发现"一半对、一半错： - 对的一半：原始 TTT 确实会冲掉 JN1 有选择的弃权。已观测视角的覆盖率从 0.685 升到 0.964，α 归一化 TTT 能把覆盖率保持在 0.689。 - 错的一半：对未来查询来说，冲掉弃权反而有利。在发布版权重上，原始 TTT 仍然是最好的。
设计（PROTOCOL.md，2026-10-14 18:09:32 锁定，sha256 e92c77ea…）
- 底座：发布版 DepthSplat（ZS）和 JN1（准确率目标的逆向 JEPA 检查点），尺度上限 0.1，从同一个 7 视角 CACHE 出发，跑 100 步。
- 变体：
- RAW：V1 的原始 TTT；
- NORM：α 归一化，只看已覆盖像素；
- NORM_DEC：NORM 加几何/外观解耦；
- NORM_DEC_INC：NORM_DEC 加入射角/跳变权重和锥投影。
- 读出：都用 Core B 读出，即 sqrt(R7 × F7)。
- 开发集：从 ARKIT_SYSTEM 和 ARKIT_SYSTEM2 各按种子选 12 个扫描，共 24 个场所、48 个片段。JN1 训练时没有见过这些场所。
- 复用与核对：复用已封存的 Core B、CACHE 和 R7。新算的 CACHE 与已封存的逐位一致（96 个查询，差值 0.0）。
- 选择规则：从 7 个候选中取开发集均值最低者。如果它没有低于 Core B，就停止。
结果（开发集，24 个场所，Core B 读出）
| 臂 | AbsRel | 对 Core B（正值表示比 Core B 好） | 场所 好/平/坏 | 判定 |
|---|---|---|---|---|
| ZS_RAW（Core B） | 0.0990 | — | — | — |
| ZS_NORM（最佳候选） | 0.1001 | −0.0011 [−0.0021, −0.0003] | 7/0/17 | HARMFUL |
| ZS_NORM_DEC | 0.1002 | −0.0012 [−0.0023, −0.0003] | 6/0/18 | HARMFUL |
| ZS_NORM_DEC_INC | 0.1002 | −0.0012 [−0.0029, +0.0000] | 12/0/12 | NOT_ESTABLISHED |
| JN1_CACHE（不做 TTT） | 0.1013 | −0.0023 [−0.0041, −0.0007] | 7/0/17 | HARMFUL |
| JN1_RAW | 0.1026 | −0.0036 [−0.0090, −0.0003] | 8/0/16 | HARMFUL |
| JN1_NORM | 0.1011 | −0.0021 [−0.0034, −0.0008] | 6/0/18 | HARMFUL |
| JN1_NORM_DEC_INC | 0.1007 | −0.0016 [−0.0031, −0.0003] | 9/0/15 | HARMFUL |
| ZS_CACHE（不做 TTT） | 0.1026 | −0.0035 [−0.0064, −0.0013] | 7/0/17 | HARMFUL |
- α 归一化在 JN1 上的效果：JN1 上 NORM 对 RAW 的均值好 0.0016，95% CI [−0.0013, +0.0061]，但 24 个场所里有 14 个是 RAW 更好，不成立。
- 只用 TTT 读出时（F7，不与 R7 做几何平均）：结论相同。ZS_RAW 0.0976，ZS_NORM 0.0987，JN1_NORM 0.1000。
机制（已观测视角，48 个片段平均）
| 臂 | 覆盖率 | 已覆盖像素的归一化误差 | 不透明度 ≥ 0.5 的占比 | 查询视角覆盖率 |
|---|---|---|---|---|
| JN1_CACHE | 0.685 | 0.038 | 0.036 | 0.546 |
| JN1_RAW | 0.964 | 0.035 | 0.081 | 0.734 |
| JN1_NORM | 0.689 | 0.018 | 0.035 | 0.525 |
| ZS_CACHE | 0.993 | 0.051 | 0.147 | 0.744 |
| ZS_NORM | 0.976 | 0.022 | 0.133 | 0.689 |
- 原始损失：它把未覆盖像素按满深度计入损失，所以会推高覆盖率和不透明度。
- α 归一化损失：它保持覆盖率，同时把已覆盖像素拟合得更准。
- 但未来查询需要的是覆盖：F7 在未覆盖的地方回退到 R7，而 TTT 推到这些像素上的深度比 R7 更准。所以对未来查询而言，原始损失给出的覆盖反而带来更好的结果。
方案说的"把不透明度拉回约 0.70"没有观察到。实测高斯平均不透明度从 0.091 升到 0.148。
意义与下一步
- 第一步不成立：方案的引擎改动没有超过 Core B。
- JEPA 部分还要单独检验：第二步（EXP-3D-CAJU3D-JEPAGATE-V1）以 Core B 为底座，用修正版 H-JEPA（带几何对齐）的潜空间创新挑像素，与深度一致性、入射角、随机三种挑法在相同剔除比例下比较，检验 JEPA 是否提供额外信息。