EXP-3D-RGBD-DEPTHSPLAT-ALPHA-THRESHOLD-ARKIT-V1：只调高读出阈值，能否得到逆向 JEPA 的前馈改进，能否改进 Core B

结论：JEPA_BEYOND_THRESHOLD_PARTIAL（VAL 上 SUPPORTED），THRESHOLD_CORE_B_NOT_ESTABLISHED。全局调高阈值不能复制逆向 JEPA 的改进。

开发集曲线： 在 ARKIT_SYSTEM + ARKIT_SYSTEM2（160 个扫描）上，发布权重的读出随阈值升高单调变差。
- τ 从 0.5 升到 0.95 时，前馈的 ALL AbsRel 从 0.1549 升到 0.1569，覆盖率从 0.69 降到 0.46。
- TTT 与 Core B 也同样单调变差。
- 按预注册规则，τ_C = τ_T = 0.5，即原来的阈值就是最优的。
JN 的弃权是有选择的：
- 覆盖率相近时，发布权重（τ = 0.9，覆盖率 0.54）比 τ = 0.5 时更差，而 JN（覆盖率约 0.53）更好。
- JN 学到的是"哪些像素不可靠"，而不是"整体少覆盖一些"。可以理解为它学会了用不透明度表示可靠性；这是解释，没有单独检验。
P1（SYSTEM3）： 最优阈值下的发布权重仍比 JNS 差。+0.0041 [+0.0010, +0.0080]，110/0/50，PARTIAL；因为 τ_C* = 0.5，结果与 NF 相同。
S3（VAL）： +0.0041 [+0.0012, +0.0070]，61/0/19，SUPPORTED。三项 V2 检查全部通过。
P2： Core B 的最优阈值仍是 0.5，不需要改变。
结论：
- 只奖励精度的逆向 JEPA 学到了有选择的弃权，这是全局阈值做不到的。
- 它对前馈状态的改进小（约 2.5%），但真实。

说明：

预注册： 见 PROTOCOL.md，2026-10-10 01:28:14 锁定，sha256 644bad0d…。锁定时，任何队列上都没有计算过 τ ≠ 0.5 的读出。
选择： 只读开发集真值，结果写入 selection.json，01:28:28 记录哈希（2fca7381…），之后才读确认集真值。
数据： 全部复用已有封存，不运行任何模型；所有复用文件都核对了哈希。
- 开发集：FULL-SYSTEM-V1、V2 的几何封存与发布权重封存。
- 确认集：V3、NF、NS、ENSEMBLES-ARKIT、OBJECTIVE-TTT 的封存。
统计： 分析运行两次，结果逐字节相同。统计单位是场景，bootstrap 10,000 次，种子 20260928，判定用 V2 gate。
- τ* = 0.5 时，S1、S4、S5、S7 两边的读出完全相同，按预注册直接记为 NOT_ESTABLISHED。

开发集上的阈值曲线（ALL AbsRel，160 个场景）

τ	发布权重前馈	覆盖率	TTT 单独	覆盖率	Core B
0.5	0.1549	0.69	0.1497	0.70	0.1513
0.6	0.1555	0.67	0.1500	0.68	0.1516
0.7	0.1560	0.65	0.1503	0.67	0.1519
0.8	0.1564	0.61	0.1506	0.65	0.1521
0.9	0.1568	0.54	0.1510	0.62	0.1525
0.95	0.1569	0.46	0.1513	0.59	0.1527
0.99	0.1567	0.29	0.1517	0.50	0.1531

编号	对比（> 0 表示右边更好）	队列与区域	均值	95% CI	好/平/差	状态
P1	ZS_CACHE(τ_C*) − JNS_CACHE	SYSTEM3，ALL	+0.0041	[+0.0010, +0.0080]	110/0/50	PARTIAL
P2	CORE_B(0.5) − CORE_B(τ_T*)	SYSTEM3，ALL	0	—	0/160/0	NOT_ESTABLISHED（τ_T* = 0.5）
S1	ZS_CACHE(0.5) − ZS_CACHE(τ_C*)	SYSTEM3，ALL	0	—	0/160/0	NOT_ESTABLISHED（相同）
S2	ZS_CACHE(τ_C*) − JLS_CACHE	SYSTEM3，ALL	+0.0041	[+0.0018, +0.0070]	111/0/49	PARTIAL
S3	ZS_CACHE(τ_C*) − JNS_CACHE	VAL，ALL	+0.0041	[+0.0012, +0.0070]	61/0/19	SUPPORTED
S4	CORE_B(0.5) − CORE_B(τ_T*)	VAL，ALL	0	—	0/80/0	NOT_ESTABLISHED（相同）
S5	ZS_CACHE(0.5) − ZS_CACHE(τ_C*)	VAL，ALL	0	—	0/80/0	NOT_ESTABLISHED（相同）
S6	ZS_CACHE(τ_C*) − JNS_CACHE	SYSTEM3，NEAR7	+0.0051	[+0.0018, +0.0091]	112/0/48	PARTIAL
S7	ZS_TTT(0.5) − ZS_TTT(τ_T*)	SYSTEM3，ALL	0	—	0/160/0	NOT_ESTABLISHED（相同）

"逆向 JEPA 的改进只是弃权"这一解释被排除了一半。
- 改进确实伴随覆盖率下降，但简单的全局弃权只会让结果变差。
- JN 的价值在于弃权的位置：它在自己不可靠的像素上降低不透明度，把这些像素交给 R7。
Core B 的读出阈值不需要调整。 在真实数据上，原来在 Hypersim 上定的 0.5 仍是最优。
下一步可以检验的组合： 把 JN 学到的有选择弃权用到 Core B 里。例如，TTT 读出在 JN 认为不可靠的像素上也退回 R7，或者把 JN 的前馈与 Core B 集成。如果成立，逆向 JEPA 就能通过弃权改进完整系统。