# EXP-3D-RGBD-DEPTHSPLAT-JEPA-CAP01-TTT-ARKIT-V1：在 TTT 的尺度上限下训练逆向 JEPA，能否改进 TTT

**结论：JEPA_CAP01_HARMS_TTT，JEPA_CAP01_HARMS_CACHE。**

- **P1：** 把逆向 JEPA 的训练改在 TTT 最好的尺度上限 0.1 下进行（JC1），它作为 TTT 起点仍然略差于发布权重。ALL AbsRel 为 0.121 对 0.114，差值 −0.0070 [−0.0141, −0.0001]，24/0/56，HARMFUL。
- **P2：** TTT 之前的 7 帧前馈状态明显更差。0.173 对 0.121，差值 −0.0517，5/0/75，HARMFUL。
- **改用上限 0.1 消除了大部分损害：**
    - 同为逆向 JEPA 训练，上限 0.1 的 TTT 结果比上限 3.0（JBT 的 JA）好得多：0.121 对 0.159，+0.0375，55/0/25，PARTIAL。
    - 与 7 帧重投影取几何平均后，JC 与发布权重完全打平（都是 0.116）。
- **剩下的差距来自训练目标本身。**
    - 训练损失把未覆盖的像素按全深度惩罚，所以奖励的是"覆盖"而不是"精度"。
    - 这在两个上限下都一样：JC 把前馈覆盖率从 0.73 推到 0.88，精度则从 0.121 降到 0.173。
    - TTT 修回了大部分（0.173 → 0.121，74/0/6），但没有全部修回。
- **结论：** 在当前的逆向 JEPA 目标下，"预训练给 TTT 更好的起点"不成立。要让这条路成立，训练目标需要改成奖励被覆盖像素的精度。

**说明：**

- **预注册：** 见 [PROTOCOL.md](PROTOCOL.md)，2026-10-09 06:03:48 锁定，sha256 `1b00184e…`。设计受 JBT 与 OVERLAP-V1 的结果启发，但锁定早于本实验的任何训练和评估。
- **训练：** 沿用 OVERLAP-V1 的配方（目标帧的上下文命中比例 ≥ 0.05），只把尺度上限改为 0.1。只训练一个种子（JC1，20261008），用时 57 分钟，显存 6.2 GB。
- **评估：** ARKIT_VAL，80 个扫描、160 个 episode、320 个查询，episode 与 ENSEMBLES-ARKIT、JBT 相同。
    - 复用了 ENSEMBLES-ARKIT 的几何封存和发布权重（上限 0.1）的封存，以及 JBT 的 JA、ZS3 封存。
    - 6 项复现检查的均值差都是 0。
    - TTT 分 3 个分片运行，每个约 1.35 小时，峰值显存 5.1 GB。
- **执行与统计：**
    - GPU 4 与另一用户的常驻进程共用。分析运行两次，结果逐字节相同。
    - 统计单位是场景，bootstrap 10,000 次，种子 20260928，判定用 V2 gate。

## 训练中的 DEV 读数

DEV 为 ARKit 训练折的 8 个扫描、第 14、15 帧，上限 0.1，只作记录。

| 步数 | 0 | 500 | 1000 | 2000 | 3000 | 4000 |
| --- | --- | --- | --- | --- | --- | --- |
| 被覆盖像素 AbsRel / 覆盖率 | 0.214 / 0.19 | 0.318 / 0.26 | 0.326 / 0.27 | 0.324 / 0.28 | 0.324 / 0.27 | 0.323 / 0.27 |

## 结果（ALL，80 个场景）

| 编号 | 对比（> 0 表示右边更好） | 区域 | 均值 | 95% CI | 好/平/差 | 中位数 | 状态 |
| --- | --- | --- | ---: | --- | --- | ---: | --- |
| **P1** | ZS_TTT − JC_TTT | ALL | −0.0070 | [−0.0141, −0.0001] | 24/0/56 | −0.004 | **HARMFUL** |
| **P2** | ZS_CACHE − JC_CACHE | ALL | −0.0517 | [−0.0736, −0.0341] | 5/0/75 | −0.029 | **HARMFUL** |
| S1 | GEO_ZS_TTT − GEO_JC_TTT | ALL | −0.0001 | [−0.0041, +0.0042] | 30/0/50 | −0.001 | NOT_ESTABLISHED |
| S2 | R7 − GEO_JC_TTT | ALL | +0.0048 | [+0.0003, +0.0096] | 47/0/33 | +0.001 | PARTIAL |
| S3 | JC_CACHE − JC_TTT | ALL | +0.0514 | [+0.0372, +0.0689] | 74/0/6 | +0.030 | SUPPORTED |
| S4 | JA_TTT − JC_TTT | ALL | +0.0375 | [+0.0196, +0.0576] | 55/0/25 | +0.015 | PARTIAL |
| S5 | ZS_TTT − JC_TTT | NEAR7 | −0.0105 | [−0.0178, −0.0028] | 18/0/62 | −0.007 | HARMFUL |
| S6 | ZS_TTT − JC_TTT | FAR7 | +0.0013 | [−0.0098, +0.0114] | 43/2/30 | +0.002 | NOT_ESTABLISHED |

**ALL 均值与覆盖率：**

| 构建器（尺度上限） | CACHE | 覆盖率 | TTT | 覆盖率 | GEO（与 R7） |
| --- | ---: | ---: | ---: | ---: | ---: |
| ZS（发布权重，0.1） | 0.121 | 0.73 | **0.114** | 0.72 | 0.116 |
| **JC（逆向 JEPA，0.1）** | 0.173 | 0.88 | 0.121 | 0.84 | 0.116 |
| ZS3（发布权重，3.0） | 0.253 | 0.89 | 0.136 | 0.78 | 0.124 |
| JA（逆向 JEPA，3.0） | 0.266 | 0.97 | 0.159 | 0.87 | 0.133 |

R7（7 帧重投影 + 调和插值）为 0.121。

## 解读

- **尺度上限解释了 JBT 中的大部分损害，但不是全部。** 在 0.1 下训练，TTT 结果从 0.159 改善到 0.121，几乎追上发布权重（0.114）；集成之后两者完全相同。
- **训练目标解释了剩下的部分。**
    - 两个上限下，逆向 JEPA 训练都把前馈覆盖率推高、把精度拉低。
    - 原因是训练损失对未覆盖像素按全深度惩罚：只要能把一个像素"覆盖"上，哪怕深度不准，损失也会下降。
    - 对补全（JEPA-ARKIT、OVERLAP）来说，这种偏好部分有用，因为覆盖了原本只能靠调和插值的区域。对 TTT 来说，它损害了起点。
- **TTT 有很强的修正能力，但修不完。** 在 JC 上，TTT 把 0.173 降到 0.121（74/0/6），但没有降到发布权重 TTT 后的 0.114。
- **对 Core B 的含义：** 实用配置不变，仍是"发布权重（上限 0.1）+ TTT + 与 7 帧重投影取几何平均"。如果要让逆向 JEPA 为 TTT 服务，训练目标应改为只奖励被覆盖像素的深度精度（例如归一化深度的相对误差），而不奖励覆盖率。

## 文件

- `PROTOCOL.md`、`preregistration.json`、`frame_role_lock.json`（复制自 ENSEMBLES-ARKIT）、`reused_seals.json`
- `training/hit_shares_TRAIN.json`（与 OVERLAP-V1 相同）
- `code/`：
    - `train_jepa_arkit_overlap.py`（与 OVERLAP-V1 相同）及其依赖；
    - 建目录、锁定、任务与打分脚本。
- `checkpoints/JC1/`（含 `SHA256SUMS`）
- `ds/ARKIT_VAL/JC/`：新的 DepthSplat 封存
- `scores/`、`results/`、`audit/`