论文范围内 BO 参数迭代与 Muse 迁移验证 状态：实验与分析已完成；2026-10-14 Toronto。新方案26个身份均取得完整4h数据和有效 最终成绩：24 Luna、2 Muse。其中16次原生正常结束，10次Luna预算后收尾失败经严格封存， 原FAILED记录保留。没有新增身份、Muse后调参、Git提交或推送。 一、已经确定的结论与研究范围 同一设置root_sd3在两个任务的一次完整Luna运行中支持行为目标A：证据不足时给不同 合法路线实际扩展机会；真实反馈积累后提高优质节点的选择概率；后续仍有实际跨路线选择。 这一判断已在Muse分配之前保存于LUNA_A_DECISION_zh.txt和luna_A_decision.json。 唯一处理是acq7.branch_prior_std从1.5增至3.0。已经停止新增Luna，冻结同一设置给两题Muse。 成绩B另判：矩形装圆最终为2.3658323761998483，对照2.3658323760904554，实质同分； 时间积分少18.183085分·秒。kissing_number_d11为506，对照465，增加41，时间积分多 941823.480856分·秒。两题有效候选吞吐不同，因此不能把成绩差直接解释为参数的因果效果。 不把两题不同单位的原始分数相加，也没有按每题最高成绩分别挑不同设置。 Muse完整结论为未在两题保留完整行为目标：矩形有早期覆盖和持续跨路线选择，但未形成 反馈增强后的优质节点利用增加；kissing有明确的学习与利用增强，但后段跨谱系机会过弱， 只支持部分迁移。绝对成绩为矩形2.3653553179736497、kissing560，两次均原生正常结束并 通过原验证器。这个负面迁移结果如实保留，没有追加实验或调参。 两次Muse只验证已冻结方案的行为迁移和绝对成绩，没有新增同模型原版对照。 每个设置×任务只有一次、seed=42；不能据此估计跨seed方差、显著性或可靠胜率。 两题是机制案例，不能外推15题整体收益。当前论文对应的提交稿身份无法核实，因此只声称 遵守已记录当前稿中的模型边界；4h/5drafts是新控制协议，不是原文8h/3drafts的替代复现。 二、来源、模型边界与共同条件 工作目录：[workspace]。 独立源码：MLEvolve_BO_paper_aligned/。 源码从Git b6afeb889da5bdb491c4e1bd9591c7cdaad115ff的MLEvolve_BO子树git archive导出， 不是原目录的源码软链接，也未复制旧混合策略工作树。每个身份使用自己的冻结快照。 当前论文commit为ced7bb5a54e91e3ea6236b871f9fcd27027fb493；method/model_details的 最近来源为0d180cf2e811b30b9f5a1e32596101b245396c04。来源和完整patch见provenance.json、 METHOD_BOUNDARY_zh.txt和evidence/。原MLEvolve_BO、MLEvolve_BO_agent、论文及旧实验只读； 没有Git提交、推送或对外发布，没有干预其他实验作业。 所有处理保留冻结初始尺度下的真实子代减父代增益、有效负标签、高斯观测、rating线性 先验、原context/root/rating核及原特征、GP条件化和正常MAP拟合。在线每次只从原相关 联合后验抽样一次并取argmax。没有额外分支选择分量、冠军混合、温度、后验外噪声、 探索下限、节点配额或稳定度控制器。没有改变合法候选、原操作/融合时间门槛与prompt。 修改附录数值明确视为参数实验，不能称为与论文原参数完全一致。 两题均14400秒、5drafts、3workers、请求21CPU（Slurm实际22）、每候选7CPU、 执行上限600秒、每候选18GiB、每workflow64GiB。固定seed42；LLM生成本身不保证可复现。 code review关闭，potential rating启用，global memory/evolution/fusion保留原配置。 所有启用LLM角色统一：Luna阶段gpt-6-luna/medium；Muse阶段 opencode-go/muse-spark-1.3-contributor/high。真实调用和生效参数已有运行内证据； CLI未提供独立认证的服务端model ID，这一缺失不能写成已经验证服务端标识。 必要共同修复包括纯draft共享初始化与锁释放、避免重复debug、候选内存隔离、明确模型 及effort、保留原生完整引用/指导、参数实际生效和诊断日志。完整base_v1.patch保存。 首次正式处理运行完成真实生成→评估→rating→BO→后验记录闭环，没有预算外完整预检。 初始数学、配置、初始化及prompt相关检查66项通过；噪声先验处理8项检查通过； 预算耗尽时超时收尾修复20项检查通过。检查不替代完整科学运行。 Luna每题共用本轮新生成的5个draft及其评估、rating、记忆与初始RNG，后续设置复用同一 封存，不导入普通搜索观测或拟合后验。矩形初始化计费969.880458秒、冻结s0=0.2087662351； kissing计费1452.866074秒、s0=109。相同任务所有Luna组的4h都等额扣除该初始化费用。 Muse各自重新生成5drafts，无Luna节点/记忆/后验导入：矩形5个有效、计费1669.992614秒、 s0=0.10499997375、初始最好2.2189109713710886；kissing4有效1无效、计费1113.445269秒、 s0=189.75、初始最好496。无效草稿不生成数值GP标签；路线覆盖只针对当时合法候选。 三、迭代依据、预算和完整设置清单 新方案分配并提交26个身份：24 Luna（12设置×2题）和2 Muse。60次上限中余34个名额 没有使用；Luna双题A成立后已禁止新增Luna，Muse恰好两次。未为凑满预算或并发额外运行。 旧方案24个身份单独保留和核算，没有充当新对照、新行为证据或新并发数。 清单及全部提交/恢复命令见runs.json、run_manifest.csv、budget.json与submission*.json； 实际配置和快照见每个run-info.json及其日志config.yaml。大型产物位于 [scratch]/bo_paper_aligned_iteration_20261014/，本报告目录有runs/shared/slurm入口。 滚动迭代由当时真实反馈触发，以下四份声明是发生过的提交记录，不是预设四轮计划： 1. iteration_001：原版AQ04，加root幅度3、root长度0.35、context幅度2、noise初值0.75、 rating均值0/标准差0.75共6设置，首次两题共12身份。分别检验先验路线差异、局部泛化、 context不确定性、随机扩展噪声及rating先验影响，均保持原GP与纯joint TS。 2. iteration_002：读到root_sd3仍分散及root_local035同池反馈能提高冠军概率后，成对加入 root_sd3_local035和root_sd3_context05。组合参数的有效性并未预先假定。 3. iteration_003：实际负反馈出现约−29.72σ预测误差，原MAP噪声触及0.05后，提出原 log(noise)先验精度9、36，中心0.75。仅重新赋权原先验项，MAP继续；默认精度1在两份 实际数据上与base_v1逐项一致。这是研究处理，不是需另建原版对照的共同行为修复。 4. iteration_004：真实improve/evolution增益显示任务相关差异后，将原context跨操作 协方差因子0.25分别设为0和0.75，检验弱/强共享。gamma=0仍有root/rating共享， 没有操作分组选择器。四次在途运行保留，不因随后LunaA成立而丢弃。 全部24次Luna完成：14次原生正常退出，10次预算耗尽后独立封存（原失败仍保留，见第六节）。 以下R为矩形，K为kissing；Δ均值指与同模型原版的best-so-far时间积分差除以14400秒， 保留各题原始分数单位。有效数仅计普通有效扩展，不包含共同draft、失败或删失。 AUC从首个已验证有效构造起积至预算终点，此前没有虚设分数；各Luna同任务共享同一 初始化及起点，因此配对差抵消这部分。auc_start_seconds在结果中保留。 设置 R最终分数 R的Δ均值 K最终分 K的Δ分 K的Δ均值 有效数R/K aq04 2.365832376090 +0.000000 465 0 +0.000 147/59 root_sd3 2.365832376200 -0.001263 506 +41 +65.404 218/85 root_local035 2.365832375977 +0.001299 316 -149 -85.480 200/72 context_sd2 2.365832376150 -0.000626 535 +70 +3.000 228/66 noise075 2.365832375953 +0.000319 543 +78 +54.712 89/59 rating_neutral075 2.365832376211 +0.000920 488 +23 +3.291 62/63 root_sd3_local035 2.362117320150 -0.006201 494 +29 +47.910 178/67 root_sd3_context05 2.365832376040 -0.000938 511 +46 -7.975 206/89 noise075_prior9 2.365832376154 +0.001338 496 +31 +24.971 123/62 noise075_prior36 2.365832375947 -0.001292 350 -115 -74.791 175/63 operation_corr0 2.365832375948 -0.000587 552 +87 +67.850 217/98 operation_corr075 2.365832376008 -0.000201 526 +61 +14.081 69/63 原始精度、完整AUC、失败/删失和其他行为量保存在analysis/results.csv/json。矩形绝大多数 最终分数仅有约1e-10量级差别，不解释为实质改进；root_sd3_local035明确更低。K的最佳 终分552来自operation_corr0，但最终方案不因这个后来完成的单题高分更换。参数效果并不 单调：root_local035和noise075_prior36分别得到316、350，低于对照465；root_sd3_context05 虽然终分高46，时间积分却更低。行为、最终成绩、早期涨分和吞吐需要分别报告。 正常Luna阶段实际并发峰值24。按每60秒监控，初期约421秒为9 RUNNING+3 PENDING(Resources)， 已有资源申请；节点路径恢复约181秒为10 RUNNING，其余正常阶段观测达到至少12。 详见analysis/concurrency_audit.json和资源/恢复收据；不能把已提交数说成RUNNING数。 LunaA之后的在途收尾和仅2次Muse符合用户规定的最低并发例外。 四、Luna行为A：反馈证据与必须保留的反例 分析同时展示全局实测冠军（可能不可选）、合法父池实测冠军（包括并列）、最高后验 均值候选；预声明优质组始终是距当时全局冠军≤0.1冻结s0的父节点。未事后放宽集合。 逐决策联合后验重复抽样16384次只用于估计概率，在线仍一次抽样。零次离线命中不等于 数学概率严格为零。主图保留原始点及末9决策描述性平滑，没有按小时或比例规定转换阶段。 矩形root_sd3：231个普通决策、218个有效普通反馈。五条路线在28.25分钟、N15均获 真实反馈。初始分数1.891234的路线在融合开放前通过improve得到2.362117，超过初始冠军 2.343296，证明低初分路线获得真实机会。以首次五条都有反馈这一事件作描述，前后优质组 平均概率30.97%→52.19%，实际选择41.18%→46.73%；末点概率60.14%。潜在SD/s0首末 3.172→0.184。严格全局、合法、后验冠军概率没有持续随时间上升，不能写成均持续增加。 逐一固定全部231个实际池及当时特征/父分数/rating，原未条件化先验→实际后验的全程 均值为：优质组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%。这是给定观察池的条件化+MAP诊断，不是另一可执行策略。 全程跨最高均值分支实际138次，概率期望135.867次；五条均有反馈后仍实际131次， 五路线各被选择25/46/60/30/53次。最后五路线概率7.98%/24.98%/28.90%/9.86%/28.28%。 异路线最佳候选与冠军仅相差0.118个差值SD，数条近优路线尚难严格区分；保留跨路线 机会与利用优质节点可以并存，数据不支持强迫只选一条路线。 kissing root_sd3：90个普通决策、85个有效普通反馈。37.37分钟、N15时五路线均有反馈。 另一条路线先达到262，随后初始224路线由真实反馈进展到330/484/489/501/504/506。 全面反馈前后优质组概率25.81%→40.89%，实际23.53%→27.40%；全局冠军10.70%→27.83%， 合法冠军24.32%→36.40%，后验严格冠军反而46.48%→33.35%。潜在SD/s0为3.172→0.694， 仍高于矩形，不能只凭后验收缩判定无误。全部90个同观察池先验→实际后验：优质组 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%，最高均值路线45.69%→80.64%。 kissing全程跨均值最佳路线实际16次、期望17.423次；全面反馈后实际8次、期望9.754次， 其他每条路线仍至少实际选择一次，后续跨路线时间覆盖53.9至228.4分钟。末点跨路线 总概率30.19%，但个别弱路线仅0.0488%；不能宣称均匀探索、任意时刻充分机会或跨seed保证。 矩形88/218、kissing41/85个真实增益为负，保留训练。事前含噪声95%预测区间经验覆盖 93.1%、91.8%，没有声称校准保证。 反馈归因保留不利例子：矩形N19→20同池优质概率41.0%降至3.6%；N31→32表面增加多由 候选/特征改变解释；kissing65.61分钟优质概率突升时旧池没有优质节点，不能归为纯学习。 对应原始证据见diagnostic_001_zh.txt、diagnostic_002_zh.txt、analysis/feedback_attribution/。 完整同池诊断见analysis/prior_on_observed_pools/。融合可能共享代码，谱系覆盖不等于 独立数学思路覆盖；pending、合法性和候选池变化始终与后验学习分开解释。 同模型原版行为也有优点：矩形原版优质组全程概率63.0%高于处理50.6%，但125/154次选择 集中于一路，另两路各仅一次；全面有效覆盖31.77→28.25分钟。kissing原版优质概率9.8%， 处理38.0%，全面覆盖47.49→37.37分钟。有效普通扩展数矩形147→218、kissing59→85。 这些是不同实际轨迹的描述性权衡，不足以证明行为或成绩全面、因果性地优于原版。 五、Muse完整验证：双题行为目标未迁移 冻结记录final_setting_freeze.json早于两次Muse提交。保留base_v1 GP、同一root_sd3参数 和共同prompt；只叠加预算耗尽时真实超时的正常收尾、指向新私有凭据池两项运行修正， 未带入noise_prior研究补丁。二者不改变预算内选择、候选、训练标签或后验。 正常运行内的GP/MAP拟合继续，禁止的是看过Muse结果后改设置。所有一次性入场核对、 初始化和真实调用证据已保存，不需要反复验收或加跑其他身份。 判定和全部数字见muse_transfer_decision.json、analysis/muse_transfer_metrics.json。 两次均完整14400秒，原生returncode=0；导出的最好构造经原验证器判valid。矩形82个 普通决策、79个有效普通扩展；kissing252个决策、246个有效普通扩展。正常结束时分别 有1、3个预算删失记录，不补训练标签；矩形保留的1条pending记录已非active，实际活动 pending均为0。所有匹配Muse原版对照差值保持空白。 矩形：未支持本次四小时目标A。 五条合法初始路线在40.32分钟、N6均有有效反馈；随后仍有真实跨路线选择。但以全面 反馈事件描述前后，预声明优质组概率20.30%→11.50%，实际选择25.00%→9.46%；末点 仅9.31%。严格全局冠军20.30%→4.07%，合法冠军42.02%→6.69%，后验冠军48.46%→12.48%。 这不是只挑一个末点：全82决策优质组均值12.36%，固定每个实际观察池的原先验→实际 后验为15.11%→12.36%；全局冠军7.51%→5.66%，合法冠军11.42%→10.13%。 当时后验冠军同池概率8.66%→15.99%，说明模型确实在学习，但这种学习没有形成所要求 的优质父节点利用增加。不能将“MAP收敛”或分数上涨替代目标A。 矩形全程跨最高均值路线实际41次、条件概率之和39.03次；全面反馈后实际38次、期望 35.32次。全部路线选择数37/36/4/2/3，后续主要在两条路线之间活动，另一路全面反馈后 再无选择。末点最弱合法路线在16384次离线抽样中0次命中，另一弱路线约0.092%。 因此也不能把很高的聚合跨路线比例解释为所有路线持续获得充分机会。 潜在SD/s0首末3.172→1.853，末MAP的context幅度2.622、长度0.274、noise标准差0.305， 不确定性仍明显。79个可配对反馈有31个负增益，事前含噪声95%区间经验覆盖97.47%。 diagnostic_003_zh.txt解释了一个关键早期事件：有效增益−1.9826803对应事前z≈−22.68； N6→7的实际优质概率降到0，直接原因是新合法池不存在优质父，而固定旧池条件化反使 优质概率56.91%→69.82%。包含这条极端负反馈的8个观测触发首次MAP后，固定旧池 SD/s0从0.582增至4.762，旧后验冠军概率64.32%降至7.07%。后验学习和合法池变化 作用不同。这一归因没有移除负标签、修改原参数或将重新探索强行终止。 kissing：支持早期覆盖与反馈增强后的利用，但只支持部分迁移。 四条曾经合法的初始路线在33.25分钟、N10均获有效反馈；第五条无效draft没有合法候选， 不能将其不可选算作策略排除。全面反馈前后，优质组概率32.80%→88.84%，实际选择 41.67%→89.58%；全局冠军30.41%→70.99%，合法冠军46.94%→71.24%。严格后验冠军 则40.88%→30.16%，这个下降仍保留。全部252个实际池的先验→后验：优质组 21.91%→86.17%，全局冠军17.11%→69.06%，合法冠军17.88%→70.08%，当时后验冠军 6.23%→30.67%；同池诊断支持反馈条件化与MAP对利用的贡献。 限制在持续跨谱系探索：245/252次选择同一谱系，其余三条仅5/1/1次。全面反馈后的 240决策仅2次实际跨最高均值路线，条件期望2.617次；另两条谱系再无实际选择。 全程跨路线仅发生在24.85、28.87、35.82、100.00分钟。最后约140分钟的155个决策 没有实际跨路线；这些已观察历史下的概率之和仅0.312次。末点跨路线概率0.171%， 两条合法路线在离线抽样中零命中。没有永久排除的硬规则，也不能据此声称有充分实际机会。 因此不把高分、高优质概率或数学上非零的尾概率作为完整目标A迁移成功的证据。 kissing末点优质组98.73%、全局及合法冠军92.98%，后验冠军44.84%；全程非最高后验 均值候选概率仍69.33%，表明节点层面的随机探索与谱系层面的强集中可以并存。244个 决策存在全局实测冠军并列，冠军概率均按集合求和，不等同于只重复选同一个节点。 潜在SD/s0首末3.172→0.02134；末context幅度到原下界0.1、长度2.563、noise标准差0.134。 246个配对反馈中58个负增益，含噪声95%区间经验覆盖98.37%，最极端事前误差约7.04σ。 这些诊断不是校准保证，也不能证明对弱路线的强确信在其他seed下可靠。 绝对成绩与协议差异：矩形从本次Muse初始最好2.2189109713710886提高到 2.3653553179736497；kissing从496到560。每搜索小时的有效普通扩展分别22.34、66.65， 对应选定Luna运行是58.44、23.63，吞吐明显不同。Muse初始分数、冻结s0、有效draft数 和生成/评估开销也不同；预声明优质阈值随各自冻结s0，在Muse分别为0.0105和18.975分。 不能直接拿两模型阶段的概率或成绩差分离模型、初始化、尺度与搜索机制，更不能称为 Muse相对同模型原版提升。四小时内未支持A也不是对所有预算、seed和任务的普遍否定。 按照授权终点，Luna双题A后完成唯一冻结方案的两次Muse即可交付，迁移失败不触发新 Luna或Muse调参。本次在26个身份停止，未用的34个名额不再补跑。 六、故障、恢复与预算删失 run010/011在cn133因provider home的/home别名不可用，各有396次本地启动失败。 使用同一目录的/gpfs规范路径在原身份、原配置恢复，保留1759/1760秒消耗、全部失败、 RNG与检查点。没有新模型/账户、没有费用清零；这两条轨迹保留基础设施干扰标记。 run003的N155 MAP拟合两次ABNORMAL后，另一worker真实反馈形成已收敛N156检查点； 在原身份/原版本剩余4051秒内恢复，保留已耗10349秒。没有伪造标签或关闭MAP。 首批10个运行（001—009、012）在14400秒耗尽后1—6秒因执行review超时被包装成 Study7Error，跳过最终导出。它们原生FAILED/exit1记录原样保留；严格验证预算耗尽和 超时证据后，仅导出预算内已经提交的最好构造，用原冻结AlphaEvolveTask.finalize验证。 没有新增solve、LLM、GP、搜索时间或pending反馈，科学状态单列complete_budget_finalized。 每个封存receipt记录原失败、删失与复核开销；不能把这些描述为原进程正常成功退出。 其余14个Luna原生正常结束，包括最后operation_corr四次；没有新增离线封存。 这些原生最终验证结果见evidence/iteration_002_completed.json、iteration_003_completed.json、 iteration_004_completed.json。两次Muse原生正常完成，收据见evidence/muse_completed.json。 Muse矩形启动时7次OpenCodeQuotaError，保留原5h额度与冷却；只返还已核实的额度阻塞 且所有worker空闲的43.325199秒，实际墙钟/CPU仍计费。新私有池完整继承43108条原事件 和已有额度状态，仅只读引用原key，没有重置额度、绕过冷却或打印密钥。其他原生错误、 候选无效/超时/删失及用量按最终日志统计，不当成有效探索反馈。kissing后来另有1次 额度事件，但同期存在其他有效工作，返还为0；没有把等待时间从实际资源成本中删除。 两次Muse共有45个失败调用（矩形23、kissing22）：8 OpenCodeQuotaError、35 OpenCodeError、 2 ValidationError。失败后原生重试和调试均留在同一身份与预算内。 全部候选记录的有效/无效/预算删失为矩形84/4/1、kissing250/10/3，包含draft。 两题各有1个timeout标记，为无效或删失中的子集，不能与上述类别重复相加。 七、最终成本与交付索引 新26身份名义预算104实验小时；共享初始化在每组协议预算中等额计费，在物理调用成本中 按call_id去重。Slurm成本包含初始化、作业内等待、失败和全部恢复段，按实际22CPU分配。 旧24身份另计。排队秒数、实际墙钟、分配CPU时和终态实际CPU时分别保存；不是GPU小时。 预算后独立验证CPU单列。外层编排和一般离线分析使用既有资源，未独立计量。 模型缺失token或美元字段标记未知，不能当零；已报告的部分金额也不是整场总费用。 全部Slurm段已终态，单位如下；墙钟是各分配段相加，不是本次对话经过时间： 项目 新方案26身份 旧方案24身份 分配墙钟总和 359693秒 / 99.914722h 163991秒 / 45.553056h 分配CPU时 7913246秒 / 2198.123889h 3607802秒 / 1002.167222h Slurm实际CPU时 2872585.603秒 / 797.940445h 1142152.355秒 / 317.264543h 排队时间总和 1919秒 1017秒 峰值同时分配 24 9 预算后独立封存另耗墙钟11.162206秒、评分子进程CPU7.448398秒，仅新方案有此项。 共享初始化与作业内等待解释了104h名义计费预算与99.915h实际分配墙钟的差异；两者口径不同。 物理模型调用按call_id去重：新方案12621次，记录全部终态；Luna11256、Muse1365。 Luna有792次CLI非零退出（前述两个路径故障各396次）和56次interrupted；不能把transport 标记finished误当全部成功。10407个调用报告total_tokens，合计107564866；其他调用该字段 未知，Luna金额未知。Muse为1320个finished、45个failed，1322个调用给出部分用量： input 32271045、output 1849841、reasoning 3830841、cache_read 629064；这些原字段分别 保留，不假定可直接相加为总token。reported_cost合计4.364499028，仅覆盖1322个调用， 没有完整账单，也没有Luna金额，不能称为整场项目总费用。 旧方案8293个物理调用，6条缺失终态用量；7150个调用报告total_tokens合计76446675， 1086个调用报告cost合计3.26851731，均是已知部分而非完整账单。详见new_costs.json、 old_costs.json和model_usage_by_stage.json；已耗失败与恢复成本没有清零。 主要交付： - REPORT_zh.txt：本中文结论；LUNA_A_DECISION_zh.txt：冻结前完整A/B判定。 - muse_transfer_decision.json、analysis/muse_transfer_metrics.json：完整Muse迁移判定与指标。 - analysis/report.html：本地汇总、每次运行连续主图/分支图及原始点，PNG与SVG可单独取用。 - analysis/results.csv/json：全部设置成绩/行为/成本摘要，Muse匹配对照差值保持空白。 - analysis/decisions.csv、feedback.csv、best_curve.csv：逐决策概率、真实反馈、最佳成绩曲线。 - analysis/runs/*.json：完整逐候选/分支、参数、反馈、合法性、误差和用量证据。 - analysis/new_costs.json、old_costs.json及sacct记录：新旧成本分列、恢复与失败不删。 - analysis/model_usage_by_stage.json：按实际模型分别汇总的物理调用与已报告用量。 - runs.json、run_manifest.csv、budget.json、campaign_state.json：身份、配置、资源与预算账本。 - iteration_001..004.json、evidence/、submission*.json：事前假设、版本、核对与恢复证据。 八、可用于rebuttal的表述边界 可以表述：在当前稿原GP结构和纯joint TS下，仅把root核先验标准差1.5调至3，在两个 单次Luna机制实验中观察到反馈支持的优质节点利用增加，同时其他路线有真实机会； 矩形最终成绩基本不变，kissing增加41，结果不是跨seed或全部任务优势证明。 必须同时报告严格冠军指标不持续上升、合法候选池变化、弱路线概率很低的区间、吞吐与 基础设施干扰，不能把后验重采样解释当成另一策略的在线性能实验。 Muse应明确表述：同一冻结设置在两题完整运行并得到2.3653553179736497与560，但矩形 没有形成目标利用变化，kissing只有部分迁移，持续跨谱系探索不足；双题完整行为目标 未保留。没有因为这个负面结果改变参数或追加验证。Muse只能支持此行为诊断和绝对成绩。 不能表述：已复现提交稿8h/3drafts结果、稳定普遍改进、统计显著、保证探索下限， 或Muse相对同模型原版更优。没有新增Muse匹配对照支持这些结论。