EXP-MEASUREMENT-PLANNING-ORACLE-V1 预注册
本文在任何逐子集的 oracle 或启发式结果出现之前写定。锁定时它的 sha256 与代码、契约、清单、封存文件的哈希一起登记在 preregistration.json。之后只能追加修订记录，不能修改。
1. 要检验的假设
- H1（存在决策余量）： 在主队列上，按未来查询误差挑选深度帧的 oracle，明显而稳定地好于最强的简单可部署规则。
- H0（没有余量）： 最强的简单规则已经拿到 oracle 的大部分收益，或者 oracle 的优势在不同场景之间不稳定。
2. 主判定（只在 EVAL34 上，K ∈ {1, 2, 4}）
对每个 K，用场景值（ALL AbsRel，先对查询平均，再对角色平均）计算：
- BEST_H_K： 10 个可部署规则中，场景平均 ALL AbsRel 最低的一个。在同一数据上选出，对 H1 是保守的。
- D_K = BEST_H_K − ORACLE_K： 样本内余量。
- X_K = BEST_H_K − XORACLE_K： 交叉查询余量。
- G_K = NO_DEPTH − ORACLE_K： oracle 相对不加深度的收益。
- 余量比例 F_K = mean(D_K) / mean(G_K)： 最强规则错过了 oracle 收益中的多少。
HEADROOM_SUPPORTED(K) 当且仅当以下两条同时成立：
- X_K 通过项目的 V2 gate（状态为 SUPPORTED）：均值大于 0；95% 区间下界大于 0；至少 75% 的场景不变差；每个留一场景的均值都大于 0；正贡献最大的单个场景占比不超过 0.5。
- F_K ≥ 0.20。
两个判定量的理由：
- 样本内 oracle 在每个场景上都不差于任何规则，所以 D_K 的一致性检验没有意义；它只用来衡量大小，即第 2 条。
- 交叉查询 oracle 不能在被打分的那个查询上挑选，因此能检验余量是否稳定、能否推广到别的视角，即第 1 条。
结论：
- HEADROOM_STATUS = SUPPORTED，如果 K ∈ {1, 2, 4} 中至少有一个成立；否则为 NOT_ESTABLISHED。
- POLICY_TRAINING_ALLOWED 当且仅当 HEADROOM_STATUS = SUPPORTED。
3. 次要分析（不改变主判定）
| 分析 | 内容 | 解读规则 |
|---|---|---|
| EVAL34_GAP3 | 只保留帧序距每个查询都 ≥ 3 的候选帧，判定公式不变 | 如果主判定为 NOT_ESTABLISHED、GAP3 成立，报告"余量只出现在相邻帧之外"。POLICY_TRAINING_ALLOWED 仍为 false；是否另立任务由用户决定，并须另写预注册 |
| EVAL_FAR | 远处查询，候选池不变，判定公式不变 | 同上 |
| G1 混合后端 | 已测区域用调和补洞，其余用 G1 | 只描述：学习式补全是否改变测量的价值 |
| REPLICA | 8 个场景 | 只描述，样本太小 |
4. 描述性问题
以下各项在 README 中逐项回答，都不参与判定：
- 预算曲线（K = 0–9）与收益递减；
- best-1 帧在池中的位置分布；
- 单步效用与各可部署特征的 episode 内 Spearman 相关；
- 覆盖与效用不一致的候选帧数；
- 按历史大小分组的边际效用。
5. 停止规则
- 如果 POLICY_TRAINING_ALLOWED = false：停止该方向的方法开发，写
negative_result.md，不训练任何策略或预测器。 - 如果为 true：进入第二阶段（效用预测），但必须先另写一份预注册，不能在本轮直接训练。
6. 锁定之前已经知道的情况（如实披露）
- DepthSplat 探针（10-05 至 10-06）用过同一批 EVAL-V3/V4 场景和同样的 9 个空闲帧。 它报告过以下汇总结果，影响了本实验中 GAP3 与远处查询这两个次要分析的设计：
- 9 帧全部带实测深度时（即 K = 9 的汇总），相对 G1 混合，FAR 好 0.116；
- 只保留帧序距查询 ≥ 3 的帧时，好 0.078；
- 52% 的查询，其相邻帧就在空闲帧中。
- 逐子集的比较从未做过。 包括 K < 9 的 oracle、任何启发式的选择结果和效用分布。
- DEV 彩排： 计算与分析的代码路径在 DEV 上完整跑过，用于检查复核、审计和耗时，但终端没有显示任何余量数字，我没有看 DEV 的结果。DEV 不进入结果。
- 判定参数定稿的时间： 阈值（V2 gate、F_K ≥ 0.20）、候选池、预算、规则清单与常数，都在彩排之前写定，没有根据任何结果调整。
7. 数据
- EVAL-V3/V4、EVAL-FAR、Replica 都是以前用过的开发与机制数据，不称为独立测试。
- EVAL-V5、TRAIN-EXT 留给可能的第二阶段，本轮不读取。
- 受保护的保留集不打开（FINAL_HOLDOUT_TOUCHED=false）。