EXP-3D-RGBD-WIDTH-DATA-V15 协议：更多数据时宽度是否起作用

依据： PLAN_BEFORE_V15_TRAINING.md（sha256 4c0cc1b7…），在任何 V15 训练之前写定。本协议只把计划落实到代码，不改变任何规则。
冻结： 训练开始之前冻结（preregistration.json）。冻结时哈希协议、计划、全部输入、源码，以及此前所有实验的输出。
资源： 全程 CPU（8–23 号核，单线程 BLAS），GPU 暂停。

1. 设计

训练集： 两个变体都用 TRAIN72 + TRAIN-EXT，共 127 个场景，与 V14 C1 相同。
C0： 宽度 32（hidden 32、expansion 64，64,238 个参数），就是 V14 C1 的配方。训练记录、DEV 曲线、选中的 checkpoint 与评价预测都必须与 V14 C1 逐位相同。
C1： 宽度 64（hidden 64、expansion 128，250,542 个参数），每个 seed 的初始参数与 V12 C1 相同。
配方： 与 V11 C1 完全相同（32³ 网格，CONTEXT_DEPTH bounds，冻结的 V2 C1 损失，6000 步，Adam 1e-3，梯度裁剪 1.0，可变 3–7 视角）。两个宽度共享同一数据流：场景顺序、query 槽位与光线索引都相同。
选择： 冻结的 V2 DEV 规则，逐 seed 选择。
执行： seed 为 20260928、20260929、20260930；6 个训练并行，每个占一个核。

由 V14 的文件逐字派生（/tmp/v15_derive.py，每处替换都检查出现次数），只改变体表、参数量、对照与文字。

保留 V14 的两处修正： 按本变体自己的训练集取场景；DEV 曲线不存状态文件。
EVAL 阶段： scripts/evaluate_rgbd_wide_scale_eval.py。
封存之前，C0 的每个预测都必须与 V14 已封存的 C1 预测一致（最大差 ≤ 1e-6），否则停止、不读取任何 query 深度。
在主队列上额外渲染 V12 C1（宽度 64 / 72 个场景）与 C0、C1 第 6000 步的 checkpoint；宽度 32 / 72 个场景的格子直接取 V14 封存的 C0 预测（= V11 C1）。这些都只作描述。
命名： 文件名用 rgbd_wide_scale 前缀，避免被 V12 的 *rgbd_width* 通配规则匹配。
验证：
7 个单元测试；
两轮合成数据全流程排练（第二轮含 finalize），都 PASS；
排练中确认：两个宽度共享数据流；DEV 曲线没有状态文件；C0 与按 V13 代码路径生成的对照逐位一致；初始参数哈希与 V11 C1、V12 C1 一致。

主队列： EVAL-V3 ∪ EVAL-V4 的近处 query，共 83 个场景。
P1： WIDTH_AT_SCALE_GAIN = FAR AbsRel(C0) − FAR AbsRel(C1)，冻结的 V2 gate。
P2： AbsRel(REPROJ_HARMONIC) − AbsRel(HFILL8 of C1)，INPAINT-V1 的标签规则。
分支：
A：P1 SUPPORTED 且 P2 ABOVE；
B：只满足其一；
C：两者都不满足。
次要： HFILL8_WIDTH_GAIN（V2 gate）。
描述性：
2×2（宽度 32/64 × 72/127 个训练场景）与交互作用 [FAR(32,72) − FAR(64,72)] − [FAR(32,127) − FAR(64,127)]；
第 6000 步的结果；
AHFILL8；
各队列（含 EVAL-FAR）；
DEV 与训练曲线。
聚合： 与 V11 相同。每个场景内 seed 等权，再取角色均值；场景 bootstrap 10,000 次，seed 20260928。