EXP-3D-RGBD-DYNAMIC-WRITE-V1 协议（Core B 第一轮）
起草：Claude（经用户授权持续推进），2026-09-29。本协议在任何写入规则的正式训练之前冻结。按用户要求，GPU 暂停使用，全程只用 CPU（8–23 号核）。
0. 背景
- Core B 的前提已满足： V7 的 RGB-D carrier 在 FRESH-V2 上
QUALIFIED，按项目规则可以开启 Core B 的下一阶段（动态 TTT 写入）。
- 以往结果： 2026-09-27 的写入实验都建立在一个未合格、只用 RGB 的小 carrier 上：
- 写入收益约为 0，有益的历史动作翻转为 0/3；
- 写入训练阶段相对静态阶段反而退步。
- 探索性试点（只用 TRAIN）： 冻结 V7 C1，在 TRAIN24 上训练项目原设计的写入规则 1000 步，在 48 个 TRAIN-X 场景上评价。结果存于
audit/exploratory_coreb_pilot_train_only/。
| seed |
只看上下文 |
OFF |
写入（训练后） |
写入相对 OFF |
| 20260928 |
0.278 |
0.306 |
0.267 |
+0.039 |
| 20260929 |
0.281 |
0.432 |
0.274 |
+0.158 |
- OFF 反而比只看上下文更差。原因是提升统计量里含有原始的有效视角计数，carrier 训练时最多只见过 3 个视角。
- 写入相对 OFF 的收益，大部分可能是在修补这一偏移；写入相对只看上下文只好约 0.01。
- 所以本轮额外设置两个对照：只看上下文，以及不需要学习的计数截断。
- 试点 2（只用 TRAIN，采用本协议的 stream 规则与代码，训练 1500 步）： 结果存于
audit/exploratory_coreb_pilot2_train_only/。
| seed |
NO_STREAM |
OFF |
OFF_CLAMP3 |
ALL |
ALL_WRONG_SCENE |
| 20260928 |
0.278 |
0.298 |
0.260 |
0.254 |
0.257 |
| 20260929 |
0.281 |
0.403 |
0.280 |
0.263 |
0.269 |
- 写入相对 OFF：+0.044 / +0.140，CI >0。
- 写入相对计数截断：+0.006 / +0.017，CI 跨零。
- 写入相对别的场景的快速权重：+0.003 / +0.006，CI 跨零。
- 试点预示本轮很可能落在分支 B。本协议照常执行，作为正式记录。
- 本轮问题： 在冻结且已合格的静态 carrier 上，项目原设计的学习写入能否让流式到达的 RGB-D 观测带来真实、场景专属的收益？这个收益要超出三样东西：只缓存观测、静态状态、非学习的计数修正。
1. 数据与 episode
- 场景： 与 V7 相同，训练用 TRAIN72，评价用 8 个 DEV 场景。FRESH-V1、FRESH-V2 不使用；受保护的 final holdout 不打开。
- episode 的构成：
- warmup：一个冻结的 V2 上下文角色（A 或 B，各 3 个 RGB-D 视角）；
- stream：随后 4 个 stream RGB-D 帧。
- stream 帧规则： 只看帧号。
- 从场景的空闲帧（不属于任何上下文或 query 角色）中按帧号均匀取 4 个，A、B 两个角色共用。
- 空闲帧不足 4 个的 episode 不合格，不缩短。
- 每个 DEV 场景都有 9 个空闲帧，所以 16 个 DEV episode 全部合格；TRAIN 中合格的 episode 用于训练。
- stream 帧按帧号从小到大依次到达。缓存里的帧号改用到达序号，因为 carrier 只用到先后次序；原始帧号记入元数据。
- 改用这条规则的原因：试点采用的"只取 warmup 最后一帧之后"的规则，只能让 11/16 个 DEV episode 合格。这一修改发生在冻结之前，没有查看任何 DEV 结果。
- 数据边界：
- stream 帧的 RGB、测得深度与相机是测试时输入，与上下文同等对待；
- 所有 DEV 状态封存之前，深度只按 CONTEXT_ONLY_RGBD（上下文帧）或 STREAM_RGBD（stream 帧）读取；
- query 帧不可达。
- bounds： V7 C1 规则，只用 warmup 上下文计算。
2. 模型与训练
- 慢 carrier： V7 C1 每个 seed 已封存的 DEV 选择 checkpoint（Core A），全程冻结，从不更新。
- 写入规则： 项目原设计的
DirectWriteRule，使用 WriteConfig 默认值（学习率 0.01，单次更新范数上限 0.05），约 500 个参数。
- 初始化：
torch.manual_seed(seed)。
- 初始规则单独保存，作为 ALL_UNTRAINED 参与评价。
- 训练：
- 每个 seed 在合格的 TRAIN72 episode 上训练 3000 步；
- 每个 stream 到达都执行 ALL；
- loss 是冻结的 V2 C1 loss，在 stream 之后，于一个 TRAIN primary query 的 1024 条随机射线上计算；
- Adam，学习率 1e-3，梯度裁剪 1.0。
- 不做 checkpoint 选择： 评价最后一步，训练期间不对 DEV 做任何前向。
3. 策略（每个 episode 固定）
| 策略 |
含义 |
| NO_STREAM |
只用 warmup 的状态（静态 Core A 状态） |
| OFF |
缓存全部 stream 帧后重建，不写入 |
| OFF_CLAMP3 |
同 OFF，但把提升统计量里的视角计数截断为 3（非学习对照） |
| FUSE / COMPLETE |
同 OFF，并把每次到达的写入提议提交到 fuse 或 complete 矩阵 |
| ALL |
同 OFF，并提交到两个矩阵（PRIMARY_METHOD） |
| ALL_UNTRAINED |
同 ALL，写入规则未训练 |
| ALL_WRONG_SCENE（对照） |
本场景的缓存，配上另一个 DEV 场景 ALL episode 的快速权重 |
4. 判定
- 聚合方式： 每个 seed 内，先对 query 取平均，再对角色取平均；场景内各 seed 等权。
- 统计： 10,000 次 scene paired bootstrap（seed 20260928），与冻结的 V2 估计器相同。
- gate： 采用冻结的 V2 主对比检查：
- 均值 >0、CI 下界 >0、≥75% 的场景不差；
- 每个 LOSO 均值 >0；
- 正向贡献最大的单个场景占比 ≤0.5；
- 封存状态完整。
- 状态分为 HARMFUL / SUPPORTED / PARTIAL / NOT_ESTABLISHED。
- 各项判定：
- WRITE_STATUS（主对比）：WRITE_GAIN = AbsRel(OFF) − AbsRel(ALL)。
- STREAM_STATUS：STREAM_WRITE_GAIN = AbsRel(NO_STREAM) − AbsRel(ALL)。
- BEYOND_CLAMP_STATUS：BEYOND_CLAMP_GAIN = AbsRel(OFF_CLAMP3) − AbsRel(ALL)。
- WRITE_SPECIFICITY_STATUS：AbsRel(ALL_WRONG_SCENE) − AbsRel(ALL) 的 CI 下界 >0。
- 描述性结果：
- 缓存本身的效果（NO_STREAM − OFF）；
- 计数截断的效果；
- FUSE、COMPLETE 各自的收益；
- 训练的作用（ALL_UNTRAINED − ALL）；
- 各 seed 的结果；
- 快速权重范数、delta1、训练曲线。
- 分支（预先写定）：
- A：WRITE、STREAM、BEYOND_CLAMP 都为 SUPPORTED，且 WRITE_SPECIFICITY 为 SUPPORTED。学到的写入带来场景专属的、超出缓存、静态状态和计数修正的收益。下一步需要一个新的独立队列做 Core B 资格验证，并学习何时写入。
- B：WRITE_STATUS 为 SUPPORTED，但不满足 A。写入主要在修补视角数量偏移。下一步用可变视角数重新训练静态 carrier（需要重新做静态资格验证），再检验写入。
- C：其余情况。冻结的写入设计在合格的 carrier 上没有稳定收益。下一步重新设计写入，例如利用 stream 帧测得深度的写入统计，或基于梯度的测试时训练。
5. 禁止项
- 更新慢 carrier；
- 用 DEV 选择写入规则 checkpoint；
- 根据 DEV 结果修改策略、规则、步数或 stream 长度；
- 使用 GPU；使用 FRESH-V1 或 FRESH-V2；打开 final holdout。