EXP-3D-CAJU3D-SYSTEM4-HOLDOUT-V1：全新保留队列上的读出检验

结论：LEARNED_READOUT_PARTIAL。 在 52 个今晚之前从未准备、从未评测过的 ARKit 场所上： - 两个学到的读出都大幅改善 Core B： - V2（按计划新训练）：0.1462 → 0.0923，47/0/5； - V1（冻结）：0.1462 → 0.0960，46/0/6。 - 均值的置信区间都不含 0，去掉任一场所后的估计全部为正。 - 为什么是 PARTIAL 而不是 SUPPORTED：改善最多的一个场所贡献了超过一半的正向收益（52% 和 56%），没有通过 V2 判定的"头部占比 ≤ 0.5"检查。 - 卡尔曼式分箱表：在第四批全新场所上再次复现，SUPPORTED。

设计（PROTOCOL.md）

• 锁定顺序：
• 计划于 2026-10-14 22:39:36 锁定（sha256 65dbce23…），早于任何 SYSTEM4 数据准备；
• V2 训练代码于 22:43:21 锁定；
• 评估代码于 22:45:40 锁定，早于任何 SYSTEM4 预测。
• 队列 ARKIT_SYSTEM4：
• 来源：SYSTEM3 下载批次中从未准备过的 91 个扫描（批内第 269–359 位）。
• 用不变的基础规则准备（scripts/prepare_rgbd_arkit_system4_cohort.py），52 个合格，39 个不合格；没有下载任何数据。
• 片段与 Core B 的流程和 FULL-SYSTEM-V3 相同：臂评估器封存、V1 几何封存，以及 V1 的 ds_eval（发布版权重，100 步 TTT，GPU 4，4 个进程约 30 分钟）。
• 读出：
• CORE_B；
• KF_BASE：KFUSE-V1 冻结的分箱表；
• FUSE_V1：FUSENET-V1 冻结的三个 BASE 网络；
• FUSE_V2：按计划的固定配方训练：
  • 已覆盖像素用 KF_BASE 的权重，只学未覆盖像素的修正；
  • 主干膨胀率为 1、2、4、8、16、1；
  • 训练数据为除 SYSTEM4 外的 458 个场所（SYSTEM、SYSTEM2、SYSTEM3、VAL、CAJU 场所），10% 作为验证集；
  • 3 个种子在 GPU 4 上共用 213 秒；验证集上从 KF_BASE 的 0.1006 降到 0.079–0.080。
• 盲评：所有读出逐查询封存（readout_seal.json）之后，才经 TeacherAccess 读取 SYSTEM4 的真值；分析运行两次，逐字节一致。

结果（holdout_results.json）

• 其它对比：
• V1 − V2：+0.00371 [+0.00110, +0.00659]，37/0/15，PARTIAL，V2 更好；
• KF_BASE − V2：+0.05037，44/0/8，PARTIAL。
• 去掉任一场所后的范围：P1 为 [+0.026, +0.055]，P2 为 [+0.022, +0.051]。
• 像素级 AbsRel：

• 逐场所改善的分位数：

最大的改善来自一个 Core B 严重出错的场所。

解读

• 学到的读出在全新数据上成立，而且比以前的队列更一致：
• 90% 的场所变好，中位改善 +0.014，去掉任一场所后均值仍至少 +0.022。
• 只差在收益的头部集中度这一项检查上。
• V2 的配方更好：已覆盖像素交给冻结的分箱表、更大的感受野、更多训练数据（458 个场所）。它在每一项上都略好于 V1，变差的场所从 6 个降到 5 个。
• 卡尔曼式分箱表在四批场所上都成立，约 2–2.5%。
• 综合四批场所：Core B 最大的弱点是未覆盖区域的填充。一个只用到达数据和查询相机、同域训练的小网络，就能把那里的误差降低约 20–40%（SYSTEM4 上为 42%）。

文件

• 代码：code/。
• 根目录：s4_make_root.py；
• V2 配方：s4_v2.py、s4_v2_train.py；
• 读出封存：s4_readouts.py；
• 打分：s4_score.py；
• 任务：s4_jobs.sh。
• 数据准备脚本在 scripts/prepare_rgbd_arkit_system4_cohort.py。
• 记录：
• audit/：计划锁、代码锁、V2 模型哈希、链、两次分析的一致性；
• 各封存的 JSON（臂、几何、ds、读出）。
• 结果：results/、scores/。
• 不进 git：预测数组（*.npz）和 V2 权重（models_v2/）。