EXP-3D-RGBD-DEPTHSPLAT-JEPA-NORM-SCALE-ARKIT-V1：更多真实训练数据能否放大逆向 JEPA 的前馈改进
本文件即预注册。锁定时间与哈希见 preregistration.json。
1. 问题
NF 的结论：只奖励精度的逆向 JEPA（JN 配方）让 7 帧前馈状态稳定地小幅变好。
- ARKIT_SYSTEM3 上，三个种子平均 +0.0041，110/0/50，PARTIAL。
- ARKIT_VAL 上，JN1 为 +0.0036，60/0/20。
改进约 2.5%，逐场景只有约 2/3 变好。JN 只用了 182 个真实训练扫描，数据量可能是瓶颈。
本实验只改一个因素：训练数据从 182 个扫描增加到 502 个，其余设置与 JN 完全相同，包括 4000 步。
2. 数据
- 训练： 502 个扫描，场馆互不重叠（
code/arkit_records_scale.py每次加载时检查）。- TRAIN 182 个：与 JN 相同。
- 新增 320 个：此前作为评估队列、实验都已结束的 CONFIRM、SELECT、SYSTEM、SYSTEM2，各 80 个（训练折种子顺序第 360–999 位）。
- DEV 与 JN 相同（8 个扫描，只作记录）。
- 命中表：
training/hit_shares_SCALE.json，由code/merge_hit_tables.py合并而成。- TRAIN 部分逐项与 JN 的相同；
- 新增四个队列用 OVERLAP-V1 锁定的
hit_share_table.py计算（只用上下文深度与目标相机）。
- 评估： 两个队列，都不参与训练，场馆与训练集不相交。
- ARKIT_SYSTEM3： 160 个扫描，episode 与 V3、NF 相同。复用 V3 的几何封存与 ZS（CACHE + TTT）封存，以及 NF 的 ZS、JN1–JN3 CACHE 封存。
- ARKIT_VAL： 80 个扫描，episode 与 ENSEMBLES-ARKIT 相同。复用 ENSEMBLES-ARKIT 的几何封存与 ZS 封存、OBJECTIVE-TTT 的 JN1 封存；JN2、JN3 在 VAL 上的 CACHE 由本实验评估。
- 说明： 新增的训练扫描此前用于其他实验的评估；那些实验都已结束，结论不受影响。
- 许可： 只用于非商业研究，媒体在 git 之外。
3. 模型
- JL1–JL3：
train_jepa_arkit_scale.py，由 JN 的train_jepa_arkit_norm.py经derive_train_scale.py逐字替换得到，只换训练记录的来源。- 种子 20261008、20261009、20261010，与 JN1–JN3 一一对应。
- 其余设置与 JN 相同：4000 步，学习率 5e-6（ViT 5e-7），预热 200 步后余弦衰减，AdamW（weight decay 1e-4），梯度裁剪 1.0，每步 2 个目标帧，尺度上限 0.1，使用最后一步。
- 评估： V1 的
ds_eval.py，只跑 CACHE 臂，尺度上限 0.1。 - 执行：
code/ns_jobs.sh同时运行：- 三个模型各自训练后，在两个队列上评估；
- JN2、JN3 在 VAL 上的评估。
4. 读出与指标
- F7 读出： α ≥ 0.5 处取射线深度 (depth_z / α) / cos，其余用 R7。
- JNS、JLS： 每个查询上三个种子 AbsRel 的平均。
- CORE_B： sqrt(R7 × ZS_TTT_F7)。
- 指标： AbsRel，区域为 ALL、NEAR7、FAR7。场景值 = 各角色查询平均后再对角色平均。
5. 主检验（ARKIT_SYSTEM3）
主检验用 V2 gate；统计用场景 bootstrap，10,000 次，种子 20260928。
| 编号 | 对比（> 0 表示右边更好） | 区域 | 分支 |
|---|---|---|---|
| P1 | JNS_CACHE − JLS_CACHE | ALL | MORE_DATA_HELPS（SUPPORTED）/ _PARTIAL / _NOT_ESTABLISHED / MORE_DATA_HURTS |
| P2 | ZS_CACHE − JLS_CACHE | ALL | SCALED_RECIPE_IMPROVES_FEEDFORWARD（SUPPORTED）/ _PARTIAL / _NOT_ESTABLISHED / SCALED_RECIPE_HARMS_FEEDFORWARD |
6. 次要分析（只给标签）
| 编号 | 对比 | 区域 | 含义 |
|---|---|---|---|
| S1 | JNS_CACHE − JLS_CACHE | ALL（ARKIT_VAL） | P1 在第二个队列上 |
| S2 | ZS_CACHE − JLS_CACHE | ALL（ARKIT_VAL） | P2 在第二个队列上 |
| S3 | R7 − JLS_CACHE | ALL（SYSTEM3） | 对比无模型方法 |
| S4 | CORE_B − JLS_CACHE | ALL（SYSTEM3） | 规模化的前馈能否追上 Core B |
| S5 | JNS_CACHE − JLS_CACHE | NEAR7（SYSTEM3） | |
| S6 | JNS_CACHE − JLS_CACHE | FAR7（SYSTEM3） | |
| S7 | ZS_CACHE − JL1_CACHE | ALL（SYSTEM3） | 单个种子 |
| S8 | ZS_CACHE − JL2_CACHE | ALL（SYSTEM3） | 单个种子 |
| S9 | ZS_CACHE − JL3_CACHE | ALL（SYSTEM3） | 单个种子 |
另外报告覆盖率。复现检查：复用封存的均值必须与原实验相同。
7. 完整性与局限
- 完整性：
- 读真值之前，所有封存都必须完整、哈希不变，新封存的检查点哈希必须与训练产出（JL）或 NF 的检查点（JN2、JN3）一致。
- 分析跑两次，结果文件必须逐字节相同。
- 局限：
- 只改了数据量，没有改步数；更多数据配更多步数，结果可能不同。
- 只有 3 个种子。
- SYSTEM3 与 VAL 都已用于评估 JN，但 JL 是新模型，本实验不在它们上面选择任何设置。