阶段总结（2026-10-03，hit）
本文汇总 2026-10-02 至 10-03 在 hit 上完成的实验。逐条记录见 STATUS.md 与 EXPERIMENTS.md；每个实验的计划、协议、预注册与完整性记录都在各自的 outputs/ 目录中。所有主判定都是预注册的，探索性分析均已标明。
13:00 修订： 加入 Core B V9、V24、V25；13:45 再加入 V27；15:05 加入 Core B V10；18:05 加入 V26（第 1 节）与 V29（第 2.2 节）；10-04 01:10 加入 Core B V11、V28（第 2 节、第 2.1 节）与 V30（第 2.2 节），第 4 节随之更新；05:00 加入 V31，06:40 加入 V32 与 V33（第 1 节、第 4 节）。V24、V25 把 Core B 与使用同样帧的无模型基线比较，改变了对 Core B 实际意义的判断，第 2.1 节与第 4 节据此改写。
1. Core A：静态补全 carrier
问题： 静态 carrier 在上下文没有观测到的区域（FAR）上的补全，平均优于调和插值，但只在约 2/3 的场景上成立。能否让它更好、更一致？
| 杠杆 | 实验 | 结果 |
|---|---|---|
| 加宽（32 → 64） | V12、V15、V19、V20、GPU 试点 | 无作用 |
| 加训练场景（72 → 127） | V14、V15、V18、V20 | 无作用，6000 步时有害 |
| 加长训练（6000 → 24000 步） | V17–V20 | FAR +0.04–0.06，约 2/3 的场景变好；约 24000 步饱和 |
| 同一批场景的片段多样性 | V21 | 无作用，略有损害 |
| 训练光线集中在 FAR 像素（每个角色 75%） | V26（预注册，GPU，24000 步） | 未确立：主队列 FAR +0.020 [−0.005, +0.051]，只有 42/80 个场景变好；EVAL-FAR 与 FRESH-V2 上方向相反 |
| 预训练视觉特征（DINOv2 ViT-S/14，经初值为零的旁路） | V31（预注册，GPU，24000 步） | 未确立：FAR +0.004 [−0.014, +0.024]，只有 36/80 个场景变好；EVAL-FAR 与 FRESH-V2 上略差 |
| 覆盖整个体积的三维上下文（U-Net 残差分支） | V32（预注册，GPU，24000 步） | 未确立：第 24000 步 FAR −0.002（36/80 个场景变好）；第 6000 步好 +0.018（57/80），只是学得更快；EVAL-FAR、FRESH-V2 上略差 |
| 深度读出（深度除以不透明度） | V22（预注册，EVAL-FAR） | 长训练增益约 2/3 来自未归一化的深度读出；远处 query 上剩约 +0.02 的真实改进 |
| 只用上下文的测试时精修 | Core B V6、V23、Core B V7 | 时有时无（TRAIN-EXT 支持，EVAL-V3/V4 与 EVAL-V5 未确立），对 FAR 补全没有帮助 |
事后诊断（探索性，outputs/EXP-3D-RGBD-POSTHOC-DIAG-V1）：
- 补全在场景之间的不一致不是 seed 噪声，而是场景本身的性质：约 1/8 的难场景会被长训练稳定地变差，问题出在状态体积内部、上下文没有观测到的区域。
- 长训练增益最大的，是 FAR 表面落在状态体积之外的场景；那里的增益主要来自把不透明度补满。
2. Core B：动态写入（流式到达的新帧）
问题： 新帧到达时，往快速权重里写入，能否胜过只把新帧缓存进多视角融合？
| 实验 | 队列 | 写入方式 | 超出只缓存的增益 | 结论 |
|---|---|---|---|---|
| V1–V3 | DEV | 学到的写入规则 | ≈ 0 | C |
| V4 | DEV（8） | 梯度 TTT，10 步 | +0.0115 | A |
| V5 | EVAL-V3∪V4（83） | 10 步 | +0.0079 | A |
| V6 | TRAIN-EXT（55） | 10 步 | +0.0148 | A |
| V7 | EVAL-V5（23，全新） | 100 步 | +0.0150（10 步 +0.0068） | P2 SUPPORTED |
| V8 | EVAL-V3∪V4（83） | 100 步 | +0.0213（73/0/10；10 步 +0.0079） | P1 SUPPORTED |
| V9 | TRAIN-EXT（55） | 100 / 300 步 | +0.0355 / +0.0396（51/4、48/7） | D |
| V10 | EVAL-V3∪V4（83） | 100 步，另外三个 carrier | +0.0244 / +0.0286 / +0.0327 | A |
| V11 | EVAL-V3∪V4（83） | 每到一帧写 25 步（共 100 步） | +0.0145（68/0/15；一次性 +0.0213） | B |
| V28 | Replica（8，跨数据集） | 100 / 1000 步 | +0.0250 / +0.0450（7/0/1） | B |
- TTT 的设置： 10 步是 Core B V4 在 TRAIN 上选出的。carrier 正是在 TRAIN 场景上训练的，在那里更多的步数有害；在没见过的场景上，100 步的增益约为 10 步的两倍（V23 的剂量臂，V7 确认）。
- 场景特异性： 每一轮"写入别的场景的增量"都明显更差；100 步时，别的场景的增量甚至比只缓存还差（V7：+0.0228，22/1）。
- 增益落在哪里： 10 步时几乎都在已观测的区域（NEAR）；100 步时也扩展到上下文没看到的区域（V7：FAR +0.017）。
- 新帧监督 vs 上下文监督（V8，83 个场景）：
- 新帧都已缓存时，用新帧监督比用上下文监督多 +0.0114 [+0.0053, +0.0180]，CI 不含 0，但只有 69% 的场景不变差（PARTIAL）；V6、V7 的点估计同样为正；
- 100 步的总增益（+0.021）约一半来自对状态的一般性精修（上下文监督 +0.010），另一半来自新帧的信息；
- 在上下文没看到的区域，上下文精修的贡献为 0，改善（+0.019）全部来自新帧监督；
- V9 在 TRAIN-EXT 上重现：+0.0162 [+0.0038, +0.0296]，但只有 67% 的场景不变差，仍为 PARTIAL。
- carrier 的通用性（V10）： 宽度 32/64 × 训练数据 TRAIN72/TRAIN127 的四个 carrier 上，写入都稳定胜过只缓存（三个新 carrier 都 SUPPORTED）；宽度越大增益越大（+0.0078，CI 不含 0），训练数据的作用不确定。
- 剂量（V9）： 300 步比 100 步只多 +0.0041 [−0.0033, +0.0096]（44/11），未确立，增益在 100 步附近基本饱和。
- 逐帧在线写入（V11）： 每到一帧写 25 步，保住了一次性写入增益的约 2/3；回放已到达的旧帧没有帮助，只监督最新一帧同样好。
- 跨数据集（V28，Replica）： 只在 Hypersim 上训练的 carrier 在 Replica 上与常数预测相当（0.445 对 0.411），写入仍稳定改进它（7/8 个场景），但归一化读出下增益只剩 +0.005（CI 跨 0）。
2.1 与使用同样帧的无模型基线比较（V24、V25，CPU 重新计分）
流帧也是测得的 RGB-D。把 3 个上下文帧与 4 个流帧（共 7 帧）的测得深度重投影到 query、再用调和插值补洞，就得到只用同样测量的无模型基线（REPROJ7_HARMONIC）。实际可用的方法是混合：距重投影命中 8 像素以内（NEAR7）用调和插值，其余像素用 carrier。
| 近处 query（V24，EVAL-V3/V4，83） | 远处 query（V25，EVAL-FAR，79） | |
|---|---|---|
| NEAR7 占有效像素 | 93.8% | 87.1% |
| 无模型基线 REPROJ7_HARMONIC | 0.175 | 0.194 |
| 只用 carrier（TTT_100） | 0.186（只在 19/83 个场景更好） | 0.214（25/79） |
| 混合 HFILL8_7(TTT_100) | 0.167 | 0.179 |
| 混合相对无模型基线 | +0.008，31/19/33，PARTIAL | +0.015 [+0.002, +0.030]，35/14/30，PARTIAL |
| 写入在混合里的作用 | +0.0001，未确立 | +0.0004，未确立 |
- 新帧带着测得深度到达时，直接重投影就覆盖了 query 的绝大部分像素，单靠它就胜过带写入的 carrier。
- 写入改善的主要是测量已经覆盖的像素，所以在混合里几乎不起作用；carrier 内部的写入增益仍然稳定（远处 query 上 +0.010，58/21）。
- carrier 的实际贡献在测量覆盖不到的像素上：平均为正，但只在约 60% 的场景成立；归一化读出的混合最好（远处 query 上 +0.020，40/14/25），也未达到一致性门槛。
- V27（新队列：TRAIN-EXT 55 个场景与 EVAL-V5 23 个场景）： 混合相对无模型基线只有 +0.0013（36/19/23，未确立），V24 的 PARTIAL 没有重现；在 V24、V25 数据上探索出的"FAR7 取更远深度"规则也没有重现（+0.0003）。写入在 FAR7 像素上仍然有用（+0.028，CI 不含 0），但这些像素只占约 5%。
- V28（Replica）： 7 帧 NEAR 只占 70%，但 carrier 在其余像素上远不如调和插值，混合方法比无模型基线（0.062）差 0.147（1/0/7，HARMFUL）。
2.2 新帧没有深度时（V29、V30）
无模型基线依赖新帧的测得深度。V29（EVAL-V3/V4，83 个场景，GPU）让 4 个流帧只有 RGB 与相机，状态封存之前从未读取它们的深度：
| 全部像素的 AbsRel | |
|---|---|
| 不加新帧（NO_STREAM） | 0.269 |
| 只用上下文精修 100 步（CTX_TTT_100） | 0.251 |
| 缓存没有深度的新帧（OFF_RGB） | 0.308 |
| 缓存后再写入 100 步（TTT_RGB_100） | 0.295 |
| 不缓存，只用新帧 RGB 监督写入 100 步（RGB_SUP_100，V30） | 0.349 |
| 不缓存，上下文 RGB-D 与新帧 RGB 一起监督（CTX_RGB_SUP_100，V30） | 0.250 |
| 3 帧无模型基线（REPROJ3_HARMONIC） | 0.289 |
- 把没有深度的新帧缓存进融合，状态变差 0.039（32 个场景变好、51 个变差）；写入挽回 0.013，仍比不加新帧差 0.026 [0.009, 0.045]（P1 HARMFUL）。
- 现有 carrier 只在带深度的视图上训练过，没有深度的缓存帧对它是分布外的输入。
- V30： 新帧不缓存，只作写入的监督。只用新帧 RGB 监督时状态明显变差（−0.080 [−0.118, −0.046]，63/83 个场景变差，HARMFUL）；在上下文 RGB-D 监督之外再加新帧 RGB 监督没有作用（+0.0013，35/48）。只有光度监督时，写入为了拟合颜色而破坏几何。
- 探索性诊断（DEV）： 把有效视角比例改为只按带深度的视角归一化，几乎没有作用（+0.002）；伤害更可能来自只被 RGB 视角支持、没有深度证据的体素，这在训练中从未出现。
3. 数据与工程
- EVAL-V5： 按用户的决定放宽规则（允许 val 划分、允许与 DEV/FRESH 共享 volume），得到最后一批 23 个从未观察过的 Hypersim 场景；它们与 V17 L 的训练集按 volume 不相交。按原来的规则，Hypersim 已经没有可用的新场景。
- 事故（Core B V5）： 冻结的封存屏障每次读取都重算全部状态的哈希，在 664 个状态时变成平方级开销。在写出任何结果之前停止，改用
CachedSealBarrier后重新冻结运行，记录在audit/incident_attempt1_slow_seal_barrier.md。 - 一致性检查： 每一轮都重新计算全部指标（误差 0），核对状态哈希、封存前的深度访问与旧实验产物；与模型无关的 NEAR 掩码与调和插值都与 V17 封存的数组逐一相同。
4. 结论与下一步
- Core B 在 carrier 内部成立： 新帧到达后，用新帧自己的 RGB-D 对快速权重做梯度写入，在 4 个队列（DEV、EVAL-V3/V4、TRAIN-EXT、EVAL-V5）与 4 个 carrier 上稳定胜过只缓存新帧，携带本场景的信息；增益在约 100 步时饱和；逐帧在线写入（V11）与换到 Replica（V28）也成立。
- 但实际意义有限（V24、V25）： 同样的 7 帧测得深度直接重投影，就覆盖了 87–94% 的 query 像素，并胜过带写入的 carrier。在实际可用的混合方法里，写入的作用约为 0；carrier 只在测量覆盖不到的像素上有用，平均为正但只在约 60% 的场景成立，在两个新队列上（V27）连平均优势也没有确立。
- Core A 与 Core B 汇合到同一个问题： 测量覆盖不到的区域上，carrier 的补全在场景之间不一致。加宽、加数据、加长训练、加多样性、把训练光线集中到这些区域（V26）、预训练图像特征（V31）、覆盖整个体积的三维上下文（V32）、测试时写入都没有解决这一点。
- 方法上的教训： 今后每一轮 Core B 的对比，都要把只用同样测量的无模型基线作为必备的参照。
- 新帧没有深度时（V29、V30）： 无模型方法用不上这些帧，现有 carrier 也用不上：缓存它们有害，只用它们的 RGB 监督写入更有害，与上下文监督一起用也没有增益。
- 跨数据集（V28）： carrier 在 Replica 上与常数预测相当，无模型重投影（0.062）远远更好；只在 Hypersim 上训练的 carrier 迁移不到别的数据集。
- 方法探索的现状（10-04）： 机制层面有两条站得住的结论（carrier 在没观测区域上平均优于调和插值、写入在 carrier 内部稳定胜过缓存），但 V17 以来没有一个改动让 carrier 相对无模型基线有稳定的实际提升。瓶颈更可能是结构性的：每个视角只有 8 个从零学出的图像通道，先验只来自 72 个合成场景。
- V31（预训练视觉特征，分支 C）： 按用户 10-04 的选择接入冻结的 DINOv2 特征，FAR 补全没有变好（+0.004，36/80 个场景变好），描述性队列上略差。图像特征只沿光线提升到体素上，到不了没有观测支持的区域。
- V32（三维上下文，分支 C）： U-Net 分支让学习更快（第 6000 步 +0.018），但第 24000 步与 G1 相同（−0.002），在其他队列上略差；按预先写定的条件，新队列上的确认（V33）未运行。
- 两个结构性改动之后的判断： 图像特征（V31）与三维感受野（V32）都不是限制最终补全的主要瓶颈。容量更大时泛化略差，更像是训练数据（72 个合成场景）的限制或任务本身的歧义；训练场景加到 127 个（V18、V20）也没有帮助，需要的数据规模可能要大一个数量级以上。
- 下一步的方向： 直接针对测量覆盖不到的区域：例如在 carrier 与无模型补洞之间按像素选择（用 TRAIN-EXT 拟合选择规则，在评价队列上检验），或寻找能预测 carrier 何时可靠的量。