2026-10-14：完整 Luna 轨迹的 A 判定与唯一 Muse 设置冻结

结论：同一设置 root_sd3 在两题这一次完整运行中支持目标 A。停止新增 Luna 设置，
保留其余12个在途运行原版本及全部结果。下一步仅用这一设置执行两次 Muse/high；
不能根据 Muse 结果重新调参，也不新增 Muse 对照。决定先于 Muse 分配及任何调用。
机器可读证据和决定时间：luna_A_decision.json。

唯一处理是 acq7.branch_prior_std=3.0（原1.5）。原root Matérn核的长度仍1，
context/rating/噪声及原MAP均保留，选择仍为一次相关联合抽样取最大值。
不是 branch7 配置项，也没有更改无效的legacy温度字段。来源为已冻结base_v1。

判据没有改成“分数更高”或固定前中后段。近优父节点始终按预声明标准：
父效用距当时全局实测冠军不超过0.1冻结s0。严格全局/合法实测冠军及后验冠军
继续分别展示。下列按“首次五条谱系都有真实有效扩展反馈”描述前后数据，是一个
可核对的反馈事件，不是算法切换门槛、稳定性阈值或新的调度规则。

矩形装圆：run002，完整14400秒，231个普通决策、218个有效普通扩展反馈。
28.25分钟、N15时五条谱系均有反馈。初始化得分1.891234的路线在融合开放前，
通过improve于28.24分钟得到2.362117，超过初始冠军2.343296，说明低初分路线确实
获得机会。全程五条谱系分别被选择32/48/61/36/54次（按原始谱系ID排序）。
首次全面反馈前后，近优组平均策略概率30.97%→52.19%，实际选择41.18%→46.73%；
连续曲线显示随反馈积累逐渐增加，亦有真实负反馈后的再分散。末决策近优概率60.14%。
全程中位潜在SD/s0从首决策3.172降至末决策0.184；不是只依据经过时间或不涨分判稳定。
同时必须承认：严格全局、合法和后验冠军的概率没有随时间持续上升，候选扩张、pending、
合法性门槛与多个近优父节点分散了概率，不能将“近优组增加”写成“严格冠军持续增加”。

为区分反馈学习与候选池扩张，逐一固定全部231个真实观察池、当时父分数/特征/rating，
比较原未条件化先验与真实已记录后验。跨全部池的近优组概率均值27.21%→50.63%；
全局冠军3.36%→4.35%，合法冠军6.04%→11.77%，当时后验冠军4.16%→15.87%。
这些是同池条件化+MAP诊断，不是早期可执行策略回放，不能推断另一策略的成绩。
此前相邻决策归因也保留反例：N19→20真实负面更新令同池近优概率41.0%降至3.6%；
N31→32的表面上升大部分来自候选/特征变化，未全部归因于学习。

矩形全程跨最高均值分支期望135.867次、实际138次；全面反馈之后期望127.687次、
实际131次。五条路线在其后都持续可选并各被选择25/46/60/30/53次，末次概率分别
7.98%/24.98%/28.90%/9.86%/28.28%。末次最强异分支与冠军的均值差仅0.118个差值SD，
异分支获胜的成对概率45.3%。因此跨分支概率高与利用近优节点并不矛盾：几条路线的
优质候选仍难严格区分，不应人为强迫集中到一条。融合以后谱系还共享代码，不能把
全部谱系当成相互独立的数学思想。

kissing：run008，完整14400秒，90个普通决策、85个有效普通扩展反馈。
37.37分钟、N15时五条谱系均有真实反馈。先有另一条路线取得262，随后原224分路线
经真实改进取得330、484、489、501、504、506，而非只因初始分数直接锁定。
全面反馈前后，近优组平均概率25.81%→40.89%，实际频率23.53%→27.40%；全局冠军
平均概率10.70%→27.83%，合法冠军24.32%→36.40%。后验严格冠军均值46.48%→33.35%，
不能隐去此下降。原始连续轨迹中存在集中、合法冠军不可选时的跳变和后续再探索。
潜在SD/s0从3.172降至0.694，仍高于矩形，与两题不同的反馈可预测性一致。

固定全部90个实际池的原先验→真实后验诊断：近优组15.67%→38.04%，全局冠军
9.04%→24.59%，合法冠军14.35%→34.12%，当时后验冠军12.27%→35.83%；最佳均值
分支45.69%→80.64%。这支持反馈条件化的贡献，同时不把65.61分钟近优概率的突升
算成纯学习：旧池没有近优节点，该突升主要是池变化，详见diagnostic_002_zh.txt。

kissing 全程跨最高均值分支期望17.423次、实际16次。五条都有反馈以后期望9.754次、
实际8次；其他每条谱系在其后仍各得到至少一次真实选择。跨分支选择实际发生在
53.9、55.2、58.4、72.4、81.4、141.4、179.1、228.4分钟，故没有用“理论非零”
替代实际机会。末端跨分支概率回到30.19%，原操作池/融合变化与后验变化均参与其中。
限制也保留：不是均匀探索，个别弱分支末点只有0.0488%；有些长区间概率很低，
不能声称任意弱路线在任意时刻都有充足机会，更不能声称保证跨seed覆盖。

完整预测反馈中，矩形88/218、kissing41/85个真实增益为负，均保留训练。
事前含噪声95%预测区间的经验覆盖分别93.1%和91.8%；这不是校准保证，说明仍有误差，
不能把后验收缩当成无条件正确。全部真实池、反馈、拟合参数、误差、冠军可用性和
逐分支概率保留在analysis/runs/及prior_on_observed_pools/，曲线保留原始决策点。

B单独判断：矩形2.3658323761998483，对照2.3658323760904554，约1.1e-10差异
没有实质成绩改善；完整时间积分反而少18.183分·秒（四小时平均约-0.001263）。
kissing506，对照465，增加41；时间积分增加941823.481分·秒（四小时平均+65.404）。
但有效普通扩展数也从矩形147→218、kissing59→85，吞吐可能解释部分差异，单次运行
不能作因果优越性、显著性或可靠胜率结论。不按两题分数相加选择，也没有因其他设置
取得更高kissing成绩而绕过同设置双题A要求。

与同模型原版的行为比较也不是全面占优。矩形原版近优组全程概率均值63.0%，高于
root_sd3的50.6%，但125/154次选择集中在一条谱系，另外两条各只选择一次；root_sd3
将更多实际机会分给其他路线，全面有效覆盖从31.77提前至28.25分钟。kissing原版
近优均值9.8%，root_sd3为38.0%；全面反馈覆盖47.49→37.37分钟。不同真实轨迹的
池与吞吐不同，这些只能描述本次观察到的权衡，不能称为纯参数的独立因果效应。

退出和封存：这两次原进程均在预算耗尽后因执行review超时收尾失败。原FAILED和
exit code保留；没有增加搜索时间、模型调用、训练标签或pending重放。预算内已经
提交的最佳构造由原冻结验证器重新grade且有效，故科学状态为complete_budget_finalized。
全部首批中10次采用此封存，run010/011原生正常结束。证据见各run的
segments/deadline_finalization_failure/receipt.json与evidence/deadline_finalization_admission.json。

Muse冻结只加入两项必要运行修正：预算耗尽且异常链有真实超时才正常结束；
可写凭据池指向新campaign私有目录以保持旧源码只读。这两项不改变预算内GP、
候选或选择；不把工作版其他试验参数补丁带入最终设置。运行中Luna快照完全不改。
Muse两题重新生成5drafts/rating/memory，不继承Luna后验/搜索历史。仍4h、seed42、
3workers、21CPU、每候选7CPU/18GiB；所有启用角色Muse Spark1.3/high。
没有新增Muse匹配对照，因此只能报告迁移行为和绝对成绩；无论成功或失败均不再调参。