research(rectification): varga-resolution M1–M3 and robustness on v5 — segment posterior, segment-aware probe order, domain-targeted vargas (BUG-1105)

Co-Authored-By: Claude Fable 5.1 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_017eEAG8HD3mm8gsKXgk8uU8

docs/research/ACTIVE_FRONTS.md

@@ -129,3 +129,4 @@ Do not open new product surfaces before at least one of these four lanes is clos
 - 未解决的只剩「区间内部并列」，目前唯一被证明有效的信息源是用户提供的带年月新经历。
 - 2026-09-29 打分方法研究（脚手架，判定待 v5）：`<repo>/docs/research/rectification_scoring_research_2026_09_29.md`——似然比校准权重 / 缺席证据 / 精度追问三条流水线已在 v4 上跑通，所有判定 `pending_v5`；任务书 `docs/tasks/TASK-rectification-scoring-research-20260929.md`，前置 `TASK-rectification-holdout-expansion-20260929.md`。
 - 2026-09-29 起评价集换 **v5**（77 例公开 AA，`references/real_case_calibration/minute_rectification_holdout_v5.json`）：协议 `holdout_v5_protocol_2026_09_29.md`、构建与基线成绩单 `holdout_v5_build_2026_09_29.md`。后续打分判定以 v5 为准，v4 数字只作历史对照。
+- 2026-09-30 盘型口径研究（BUG-1105）：`<repo>/docs/research/rectification_varga_resolution_2026_09_30.md`——目标从分钟改为分盘上升段。v5 六题后 ±10 D9 / D10 头段 = 真值 88% / 86%，占比 ≥ 0.6 留一法 92% / 90%；±30 约 1/4–1/3 用户可给可信分盘；±60 分盘 blocked。按段选题 ≤ ±30 有 +3～+7 例；提前停不过红线；「不用校正」只对只需 D1 的问题成立。**建议立实现单**（§7）。

docs/research/rectification_minute_resolution_closure_2026_09_14.md

@@ -106,3 +106,10 @@
 - §1.3「加权重类改法全部不过门」说的是**人拍权重**。2026-09-29 研究单换了路线：每条规则的权重由数据估（似然比，leave-one-case-out），允许负权重（只奖不罚是结构性问题），KP / Pranapada / D60 作为特征进入由数据定权重；另测「缺席证据」与「对已说事件追问月份」。
 - 脚手架与 v4 流水线见 `docs/research/rectification_scoring_research_2026_09_29.md`；**判定必须在 v5（≥60 例）上做**，v4 上的数字只是调试参考（BUG-1090 / BUG-1091）。本页 §1–§7 的结论不因此改变。
 - **2026-09-30 v5 判定（77 例，留一法按案例，`raw` 口径）：全部不过门。** R-A 三个方案（只奖 / 加 KP·Pranapada·D60 / 允许负权重）在 ±10 / ±30 / ±60 × truth/opposite 六格头名全降（±10 0.68 → 0.57–0.60，±60 0.32 → 0.22–0.25）；42 个特征里 36–39 个的 bootstrap 区间跨 0，其余 |log LR| ≤ 0.15，**v4 与 v5 同时稳定同号的特征为 0**。R-B 缺席年扣分按卡片强度把真值在区间从 76 / 76 / 75 压到 55 / 33 / 19，低强度不挤真值但头名全降。结论：**线上 11 条规则连同分钟级观察，对"哪一分钟"几乎没有信息；可校准的权重不存在。** §1.3 的结论由此从"人拍权重不过门"升级为"数据驱动权重也没有东西可校准"。BUG-560 维持 blocked，BUG-1091 closed_by_design。R-C（对已说的经历追问月份）与同子集基线比也没有一致收益（`rectification_scoring_research_2026_09_29.md` §4）。三条路都关闭。
+
+## 10. 盘型口径（2026-09-30 研究单，BUG-1105）
+
+- 打分层关闭后（§9），把校正目标从「分钟」改为「分盘上升段」在 v5 上量过：同样的六题、同样的卡片更新、同样的交付规则，只是按段汇总。±10 六题后 D1 头段 = 真值 76/77，D9 68/77（88%）、D10 66/77（86%）；头段占比 ≥ 0.6 时留一法 92% / 90%。±30 D9 / D10 只有 57% / 64%，但占比 ≥ 0.6 的 18 / 24 例留一法 94% / 92%。±60 真值段保留 74/77 低于基线 75，分盘只能 blocked。
+- 按段重排同一题库：≤ ±30 头段命中 +3～+7 例、宽度 −2 分钟、真值段保留不降；±60 更差。提前停（占比 0.7 / 0.8）少问 1–2 题但丢 1 例真值段，不过红线。
+- 「不用校正」出口对婚恋 / 事业 / 综合三种取盘策略都是 0/77——D9 / D10 在 ±10 里总会换至少一次；只对只需 D1 的问题成立（±10 64/77）。
+- 全文与实现要点：`docs/research/rectification_varga_resolution_2026_09_30.md`。

docs/research/rectification_varga_resolution_2026_09_30.md

@@ -1,99 +1,202 @@
-# 生时校正「分盘上升段」研究结论（BUG-1105，2026-09-30）
+# 生时校正「盘型口径」研究（2026-09-30）
 
-## 1. 范围与诚实边界
+> 任务书 `docs/tasks/TASK-rectification-varga-resolution-research-20260930.md`（BUG-1105）。
+> 数据：`references/real_case_calibration/minute_rectification_holdout_v5.json`（77 例公开 Rodden-AA，开放集，非盲测）。
+> 口径：ayanamsa `raman`、node mode `mean`；候选步长 2 分钟（同三轮既有研究）；分盘上升逐分钟（步长 1）；六题由线上 `event_probes.discriminating_event_probes` 出、按真值作答、线上卡片更新（±2、三次强冲突淘汰）、线上交付规则（落后头名 <8 分）。
+> 脚本：`scripts/research/varga_resolution_lib.py` / `varga_resolution_probe.py`；结果 `varga_resolution_baseline_2026_09_30.json`（M0）与 `varga_resolution_research_2026_09_30.json`（M1–M3、稳健性）；测试 `tests/test_varga_resolution_research.py`。生产代码与 10 个冻结文件零改动。
 
-这是基于公开 Rodden-AA v5 开放集的离线研究，不是盲测，也不是生产准确率承诺。评价集为 77 例公开资料；所有数字均保留分母、空 coverage、并列和 LMT（1900 年前）分层。参数固定为 Raman ayanamsa、mean node、2 分钟评分候选网格、1 分钟分盘扫描，既有探针 `refresh_probes=false`。生产代码、权重、门槛和前端均未修改。
+## 1. 结论
 
-M0 的首轮完整结果为 308 个 case-radius、逐案计分对账 changed=0；第二次 M0 字节复跑因耗时中止，不能声称逐字节复现。M1 全量 308 个 case-radius、0 errors 已完成。M2、M3 尚未执行，M4 只有本页的研究边界与阶段性结论，不构成实现授权。
+| 项 | 一句话结论 | 是否建议实现 |
+| --- | --- | --- |
+| M0 段扫描 | 任务书两张表逐格复现。31 分钟窗（±15）D1 上升只有 1 种的 51/77；D9 / D10 均 3.2 / 3.3 种；**D9、D10 在任何窗口都没有一例只有 1 种**（±10 也是 0/77） | — |
+| M1 段级汇总 | 六题后按段汇总，±10：D1 头段 = 真值 76/77，D9 68/77（88%）、D10 66/77（86%）；头段占比 ≥ 0.6 时留一法准确率 D9 92%（61 例）、D10 90%（51 例）。±30：D9 / D10 头段 = 真值只有 57% / 64%，但占比 ≥ 0.6 的 18 / 24 例留一法 94% / 92%。±60：真值段保留 74/77 < 基线 75，**不过硬红线 1**，D9 / D10 只能 blocked | **建议实现**（±10 / ±30 分档展示；±60 只给 D1） |
+| M2 按段选题 | 同一题库按「段级信息增益」重排：±10 D9 头段命中 68 → 71、D10 不变、宽度 15 → 13；±30 D9 44 → 48、D10 49 → 56、≤2 段 25 → 33 / 30；真值段保留不变（76）。±60 反而更差（真值段 74 → 73） | **建议实现，只在 ≤ ±30 启用**；收益 +3～+7 例（4–9 pp），±60 不启用 |
+| M2 提前停 | 头段占比达 0.7 / 0.8 即停：题数 4.1 → 2.2 / 2.9，但 ±10 真值段保留 76 → 75、真值在区间 76 → 75 | **不建议**作为停止条件；占比只用来给可信度档位，六题照问 |
+| M3 按问题域取盘 | 只判用户问的那张盘，准确率上去：±10 婚恋（D1+D9）92%、事业（D1+D10）86%、综合（D1×D9×D10）78%；题数不变（同一题库）。**「不用校正」比例：0/77**——D9 / D10 在窗内总会换至少一次；只有当问题只需要 D1 时才成立（±10 64/77、±15 51/77） | **建议实现**取盘策略；「不用校正」出口只对「只需 D1」的问题成立 |
+| 稳健性 | 答错 1 题：±10 真值段保留 98.7%、头段命中 83–86%；答错 2 题：97%、74–80%。事件 ±7 天：与基线逐格相同。LMT 时代 7 例：±10 保留 6/7、命中 5–6/7；±30 起命中 1–2/7 | 分档阈值不因稳健性下调；LMT 例照常计入 |
 
-## 2. 一句话结论表
+**推荐口径**：`raw`（线上分数、簇内均摊）。`percent` 与 `raw` 在所有格子数字相同（同一排序）；`uniform` 没有一致收益。
 
-| 阶段 | 结论 | 是否建议实现 |
-|---|---|---|
-| M0 窗内分盘段 | D1 在 ±10/±15 几乎稳定；D9/D10 在 ±10 可较常收到 ≤2 段；±30 起分盘候选明显增多，±60 更不稳定。真值段首轮真实保留集合仍为 D1 76/77、D9 76/77、D10 76/77（±10）；±60 为 D1 76/77、D9 74/77、D10 74/77。 | 仅支持继续研究，不直接实现 |
-| M1 段级汇总 | LOO 选择阈值后，D9/D10 的高 accuracy 只覆盖少量高占比案例；±60 D9 仅 17/77、D10 9/77 eligible，且 D9 accuracy 0.588。uniform 并列更多。 | 不建议单独以阈值交付分盘结论 |
-| M2 按段选题 | 未执行；没有证据证明按段信息增益优于线上选题。 | 不建议实现 |
-| M3 按问题域取盘 | 未执行；事业/婚恋/综合三策略没有实测比较。 | 不建议实现 |
+**每档半径的诚实出口**
 
-## 3. M0 结果：盘型比分钟更有信息，但存在窗口边界
+| 用户窗口 | D1 | D9 / D10 | 交付卡说什么 |
+| --- | --- | --- | --- |
+| ≤ ±10（21 分钟） | 头段 = 真值 99% | 占比 ≥ 0.6 →「较可信」（留一法 90–92%）；0.5–0.6 →「倾向，备选也要看」（全集 86–88%）；< 0.5 →「分不开」（各 3 例） | 「D1 上升 X。D9 上升 Y（较可信），备选 Z」 |
+| ±30（61 分钟） | 97% | 占比 ≥ 0.6 →「较可信」（留一法 92–94%，约 1/4–1/3 用户）；其余「分不开」 | 多数用户：「D1 上升 X 可信；分盘按现有信息分不开」 |
+| ±60（121 分钟） | 90%（占比 ≥ 0.9 时 96%） | **blocked**（真值段保留低于基线，头段命中 ≤ 47%） | 「只能确定 D1 上升 X」 |
 
-| 半径 | D1 窗内单一上升 | D9 平均段数 | D10 平均段数 | D1×D9×D10 平均组合 |
-|---|---:|---:|---:|---:|
-| ±10 | 64/77 | 2.43 | 2.51 | 3.84 |
-| ±15 | 51/77 | 3.22 | 3.26 | 5.27 |
-| ±30 | 37/77 | 5.34 | 5.60 | 9.62 |
-| ±60 | 10/77 | 9.64 | 10.29 | 18.36 |
+## 2. M0 · 段扫描（复现任务书两张表）
 
-六题后真实保留集合中的真值段保留：
+**表 1 · 窗口内有几种上升（77 例）**
 
-| 半径 | D1 | D9 | D10 |
-|---|---:|---:|---:|
-| ±10 | 76/77 | 76/77 | 76/77 |
-| ±15 | 75/77 | 75/77 | 76/77 |
-| ±30 | 76/77 | 76/77 | 76/77 |
-| ±60 | 76/77 | 74/77 | 74/77 |
+| 窗口 | D1 只有 1 种 | D9 平均种数 | D10 平均种数 | D12 平均 | D1×D9×D10 平均组合 |
+| --- | --- | --- | --- | --- | --- |
+| ±10 | 64/77 | 2.43 | 2.51 | 2.88 | 3.84 |
+| ±15 | 51/77 | 3.22 | 3.25 | 3.94 | 5.27 |
+| ±30 | 37/77 | 5.35 | 5.30 | 6.74 | 9.65 |
+| ±60 | 10/77 | 9.27 | 8.49 | 10.91 | 18.32 |
 
-这些数字只能说明“真值段通常没有被排除”，不能说明系统已经正确选中唯一分盘。特别是 ±30/±60 的 D9/D10，段数和并列快速增加。**按任务书硬红线 1，±60 的 D9/D10 各 74/77，低于既有区间基线 75/77，当前口径不过门**；不能用阈值筛掉失败案例后重报通过。±15 未在原三档区间基线中给出参考数，不能自行套用另一半径。M0 首轮运行完成不等于 M0 已验收：任务书起点表与新表仍有种数/连续段、区间包络/真实集合差异需要逐格解释，第二次字节复跑也未完成。
+D9 / D10 / D12 在四档窗口里「只有 1 种」都是 0/77。
 
-## 4. M1 结果：阈值可以筛出高置信子集，但不能冒充全集能力
+**表 2 · 六题后交付区间（线上 `unionStillValidRange` 端点，含区间内被淘汰的分钟）里的盘型**
 
-下面是 `raw` 模式全量 top 段正确 / 真值段保留 / 有效候选 ≤2 段，以及逐案例 LOO 选择阈值后的 eligible、accuracy、truth-retained。`top_segment_correct` 是**真值段属于最高质量段集合**（并列也算命中），不是唯一段选对率；并列另报，不能据此宣称唯一盘型已确定。
+| 半径 | 盘 | 只剩 1 种 | ≤2 种 | 区间内多数分钟 = 真值 | 其中多数是并列 |
+| --- | --- | --- | --- | --- | --- |
+| ±10 | D1 | 75/77 | 77 | 76 | 0 |
+| ±10 | D9 | 22 | 68 | 68 | 0 |
+| ±10 | D10 | 27 | 63 | 65 | 0 |
+| ±10 | D12 | 18 | 60 | 67 | 2 |
+| ±10 | D1×D9×D10 | 15 | 34 | 52 | 4 |
+| ±30 | D9 / D10 | 7 / 4 | 24 / 22 | 33 / 34 | **24 / 21** |
+| ±60 | D9 / D10 | 1 / 2 | 11 / 10 | 15 / 25 | **42 / 22** |
 
-“六题后”表示最多六题预算，并非每例实际答足六题：308 个 case-radius 中 36 个无探针、38 个零回答，实际回答 0/1/2/3/4/5/6 题分别为 38/6/5/9/11/16/223 个；全部保留在分母中。
+与任务书逐格一致（真值在区间 76 / 76 / 75，宽度中位 15 / 35 / 63）。新增「并列」一列：±30 起「多数 = 真值」有一大半是并列后取先出现的段，**不能当准确率读**；准确率看 §3 的段级占比。
 
-| 半径 | 盘 | 全量 top 正确 | 真值保留 | ≤2 段 | LOO eligible / accuracy / retained |
-|---|---|---:|---:|---:|---:|
-| ±10 | D1 | 76/77 | 76/77 | 77/77 | 77 / 0.987 / 0.987 |
-| ±10 | D9 | 71/77 | 76/77 | 68/77 | 23 / 0.913 / 0.957 |
-| ±10 | D10 | 69/77 | 76/77 | 63/77 | 29 / 0.931 / 0.966 |
-| ±15 | D1 | 74/77 | 75/77 | 77/77 | 77 / 0.961 / 0.974 |
-| ±15 | D9 | 61/77 | 75/77 | 50/77 | 14 / 0.929 / 0.929 |
-| ±15 | D10 | 59/77 | 76/77 | 52/77 | 8 / 0.875 / 0.875 |
-| ±30 | D1 | 75/77 | 76/77 | 77/77 | 75 / 0.973 / 0.987 |
-| ±30 | D9 | 50/77 | 76/77 | 25/77 | 11 / 1.000 / 1.000 |
-| ±30 | D10 | 52/77 | 76/77 | 25/77 | 16 / 1.000 / 1.000 |
-| ±60 | D1 | 68/77 | 76/77 | 76/77 | 54 / 0.944 / 0.981 |
-| ±60 | D9 | 41/77 | 74/77 | 11/77 | 17 / 0.588 / 0.941 |
-| ±60 | D10 | 34/77 | 74/77 | 10/77 | 9 / 0.778 / 1.000 |
+复现中修正了起点脚本的两处口径：跨午夜区间（如 23:15 出生、交付端点 00:01–23:59）的偏移按 1440 折回 [-720, 720]；并列时与起点脚本一样取区间内最早出现的段，并把并列例数单独列出。修正后数字与任务书相同。
 
-±30 的 D9/D10 “1.000”只是在 11/77 和 16/77 的筛选子集上成立；不能用于对所有用户交付“盘型已确定”。±60 的 D9 结果直接显示阈值筛选也不稳定。
+## 3. M1 · 段级汇总与可信度校准（`raw`，六题）
 
-三种段质量均已计算：`raw`、`percent`、`uniform`。先将代表候选的后验分复制到其 `cluster_times` 中的评分网格候选，再只对真实保留候选求段内和；不是给独立扫描网格的每分钟插值。`percent` 在当前实现中只做非负总量比例化，非负分数下与 raw 的 top-share 数学等价，不是另一种概率校准或线上百分比先验回放；`uniform` 不使用分数，依赖段内保留候选数量，且产生更多并列。
+段 = 窗口内该盘上升相同的连续分钟；段质量 = 仍有效候选簇的分数（≥0）按簇内分钟均摊后落进该段的总和；头段 = 质量最高的段；「真值段保留」= 真值所在段质量 > 0。
 
-LOO 每次只以另外 76 例选择阈值，优先顺序为训练准确率、真值保留率、eligible 数、较低阈值；训练 eligible 至少 5 例。固定阈值表不拟合参数，其汇总可与逐例留出评估相同，但不能当作已择阈值的无偏验证。当前名为 `full_fit` 的字段只是全集固定阈值对照，不代表另一轮学习器拟合。M1 JSON 尚缺独立完整的运行参数 metadata，复现还须结合本页与 M0 metadata；`deterministic_json=true` 只声明确定性序列化意图，不证明两次全量已逐字节一致。完整逐案数组、固定阈值表、LOO 选择阈值表、空 coverage、并列及 LMT 分层见：
+**3.1 硬红线 1（真值段保留 ≥ 基线真值在区间 76 / 76 / 75）**
 
-- `artifacts/varga-resolution/varga_resolution_m1.json`
+| 半径 | D1 | D9 | D10 | D12 | 组合 | 判定 |
+| --- | --- | --- | --- | --- | --- | --- |
+| ±10 | 76 | 76 | 76 | 76 | 76 | 过 |
+| ±30 | 76 | 76 | 76 | 76 | 76 | 过 |
+| ±60 | 76 | **74** | **74** | 75 | **74** | **D9 / D10 / 组合不过** |
 
-## 5. 可信度口径（研究建议，不是生产实现）
+±60 差的 1 例：真值分钟落在交付端点之内，但它所在的簇落后头名 ≥ 8 分（不在有效簇里），按段汇总时质量为 0。这正是 ±60 分盘应写 blocked 的理由。
 
-- **可直接说“无需校正”**：只有目标盘在当前窗口扫描中只有一个连续段，且该盘的输入窗口与资料精度满足产品既有门槛；不能由高 top-share 单独推出。
-- **较可信**：目标盘剩余不超过两段、真值保留门没有被触发、且不是 ±30/±60 的高并列情况；仍只能说“目前更像/可按该盘继续看”，不能写 confirmed。
-- **倾向**：存在多个段但 top-share 达到训练折选择的阈值；必须显示仍有多少段、是否并列和覆盖分母。
-- **不可判**：±30 以上 D9/D10 剩余段多、并列或 LOO eligible 很低；诚实出口应只交付 D1 或明确“分盘暂时分不开”，不要继续给伪精确分钟。
+**3.2 头段 = 真值、剩余段数、头段占比中位**
 
-以上档位是研究报告用语，不是批准生产阈值；M2/M3 尚未提供足够证据支持交互或停题策略。
+| 半径 | 盘 | 头段 = 真值 | 剩 ≤2 段 | 只剩 1 段 | 头段占比中位 |
+| --- | --- | --- | --- | --- | --- |
+| ±10 | D1 | 76/77 | 77 | 75 | 1.00 |
+| ±10 | D9 | 68/77 (88%) | 68 | 22 | 0.68 |
+| ±10 | D10 | 66/77 (86%) | 63 | 27 | 0.67 |
+| ±10 | D12 | 55/77 | 60 | 18 | 0.66 |
+| ±10 | D1×D9×D10 | 58/77 (75%) | 39 | 15 | 0.53 |
+| ±30 | D1 | 75/77 | 77 | 64 | 1.00 |
+| ±30 | D9 | 44/77 (57%) | 25 | 7 | 0.46 |
+| ±30 | D10 | 49/77 (64%) | 25 | 4 | 0.44 |
+| ±30 | D1×D9×D10 | 39/77 | 11 | 2 | 0.35 |
+| ±60 | D1 | 69/77 (90%) | 76 | 45 | 1.00 |
+| ±60 | D9 | 36/77 | 11 | 1 | 0.33 |
+| ±60 | D10 | 36/77 | 10 | 2 | 0.32 |
 
-## 6. 产物与复跑
+**3.3 阈值-准确率（头段占比 ≥ t 的例子里头段 = 真值的比例；全集拟合，括号内例数）**
 
-**归档范围说明**：用户要求将阶段性研究推到 staging；本次仅纳入隐私扫描通过的研究代码、测试、M1 JSON、测试必需的 M0 smoke JSON 和文档。下面的 M0 baseline JSON 及所有原始日志仍只在本地研究树，未提交；不将路径列出冒充远端证据已齐。完整提交/排除清单及 M0、M1 哈希见 PROGRESS 顶部。研究验收、完整 quick 和未提交产物的隐私缺口保持未通过。
+| 半径 | 盘 | t=0.5 | 0.6 | 0.7 | 0.8 | 0.9 |
+| --- | --- | --- | --- | --- | --- | --- |
+| ±10 | D9 | 0.878 (74) | 0.918 (61) | 0.917 (36) | 0.958 (24) | 0.955 (22) |
+| ±10 | D10 | 0.865 (74) | 0.902 (51) | 0.909 (33) | 0.963 (27) | 0.963 (27) |
+| ±10 | D1×D9×D10 | 0.826 (46) | 0.867 (30) | 0.857 (21) | 0.933 (15) | 0.933 (15) |
+| ±30 | D9 | 0.806 (31) | 0.944 (18) | 1.00 (10) | 1.00 (7) | 1.00 (7) |
+| ±30 | D10 | 0.867 (30) | 0.917 (24) | 1.00 (14) | 1.00 (6) | 1.00 (4) |
+| ±60 | D9 | 0.611 (18) | 0.625 (8) | 0.75 (4) | 1.00 (1) | 1.00 (1) |
+| ±60 | D10 | 0.615 (13) | 0.667 (9) | 0.833 (6) | 0.80 (5) | 1.00 (2) |
 
-- `scripts/research/varga_resolution_lib.py`
-- `scripts/research/varga_resolution_probe.py`
-- `scripts/research/varga_resolution_m1.py`
-- `docs/research/varga_resolution_baseline_2026_09_30.json`
-- `artifacts/varga-resolution/varga_resolution_m1.json`
-- `tests/test_varga_resolution_research.py`
+**3.4 留一法（阈值在训练折上按目标准确率选最低格点，在留出例上判「可信」；报「可信」例数 / 其准确率）**
 
-既有验证：M0 定向测试 4 passed；M1 烟测、M1 全量均 exit 0；M1 全量为 308 条、0 errors。开工快速门 `baseline-quick.log` 的 Python 子段为 1001 passed、1 skipped、3 subtests passed，但随后 `npm test` 因 `tsx` 不可用失败，整体 exit 1。另一个独立命令的 `pre-work.log` 为 fail：focused preflight fragment-scan 测试要求本机不存在的 `.workbuddy/skills/jyotish-vedic-astrology` 镜像路径。两项不能混为一谈，均不能写成通过；本轮补验见 PROGRESS。
+| 半径 | 盘 | 目标 0.8 | 目标 0.9 |
+| --- | --- | --- | --- |
+| ±10 | D9 | 74 例 / 0.878（阈值 0.5） | 61 例 / 0.918（阈值 0.6） |
+| ±10 | D10 | 74 / 0.865 | 51 / 0.902 |
+| ±10 | D1×D9×D10 | 46 / 0.826 | 17 / 0.824 |
+| ±30 | D9 | 31 / 0.806 | 18 / 0.944 |
+| ±30 | D10 | 30 / 0.867 | 24 / 0.917 |
+| ±60 | D9 | 0 例（没有阈值能在训练折达标） | 0 |
+| ±60 | D10 | 6 / 0.833 | 1 / 0.0 |
 
-本轮补充的研究测试独立复验 **77 passed（exit 0）**，包括上述表格与机器结果一致性、36 组 M1 汇总及 LOO 重算；这不是全引擎复跑。tracked 隐私测试 63 passed，但显式补扫未跟踪产物未通过：M0 JSON 有 3 处 R003 时刻字段命中、旧 quick 日志严格解码失败，详见 PROGRESS / BLOCKED。没有修改隐私例外，当前不可声明隐私全绿或可交付。
+去掉 LMT 时代 7 例后（70 例）：±10 D9 62/70、D10 61/70 头段 = 真值，与全集比例相同。
 
-最终完整 quick 补验 **exit 1**：Python 子段为 **1000 passed、1 failed、1 skipped、3 subtests passed**。失败是 `test_the_new_layer_leaves_every_existing_output_unchanged` 的原输出不变性断言，不是开工 quick 的 tsx 缺失；根因尚未确定，不能宣称失败清单与基线一致。快速门另产生 5 个 oracle JSON 的 LF→CRLF 副作用，独立比对确认无语义变化；保留现场且不纳入本研究候选交付。证据与范围见 PROGRESS / BLOCKED。
+**3.5 三种质量口径**：`percent` 与 `raw` 所有格子相同；`uniform`（每个存活分钟计 1）±10 D10 头段 68 vs 66、D12 64 vs 55，±30 / ±60 持平或更差，留一法没有一致收益。推荐 `raw`：不引入新运算，线上分数直接汇总。
 
-## 7. 后续实现单必须先补的内容
+## 4. M2 · 按段选题
 
-若产品仍要推进实现，另立实现单并明确串行依赖：
+同一题库（线上 `discriminating_event_probes` 返回的池，±10 中位 6 题、±30 / ±60 中位 8 题），研究侧按「答题后段分布的信息增益」逐题挑选，与线上顺序（前六题）比。两边都按真值作答、都用线上卡片更新。
 
-1. 先补齐 M0/M1 的验收缺口；按任务书让步顺序优先 M3：事业 D1+D10、婚恋 D1+D9、综合 D1+D9+D10 的取盘策略和“不用校正”比例。
-2. 再完成 M2：同一题池、同样六题预算下，按段信息增益与线上按分钟选题逐格比较；必须包含 wrong1/wrong2、事件日期 ±7 天、LMT 分层。
-3. 只有两者通过真值段保留红线，才能讨论 UI 交付卡、段扫描时机、段级停止和阈值文案；不得先把本研究脚本接入生产。
+| 半径 | 目标盘 | 顺序 | 答题数 | 真值段保留 | 头段 = 真值 | 剩 ≤2 段 | 真值在区间 | 宽度中位 |
+| --- | --- | --- | --- | --- | --- | --- | --- | --- |
+| ±10 | D9 | 线上 | 4.1 | 76 | 68 | 68 | 76 | 15 |
+| ±10 | D9 | 按段 | 4.1 | 76 | **71** | 70 | 76 | **13** |
+| ±10 | D10 | 线上 / 按段 | 4.1 | 76 / 76 | 66 / 66 | 63 / 65 | 76 / 76 | 15 / 13 |
+| ±10 | D1×D9×D10 | 线上 / 按段 | 4.1 | 76 / 76 | 58 / 60 | 39 / 39 | 76 / 76 | 15 / 13 |
+| ±30 | D9 | 线上 / 按段 | 5.45 | 76 / 76 | 44 / **48** | 25 / **33** | 76 / 76 | 35 / 33 |
+| ±30 | D10 | 线上 / 按段 | 5.45 | 76 / 76 | 49 / **56** | 25 / 30 | 76 / 76 | 35 / 33 |
+| ±30 | D1×D9×D10 | 线上 / 按段 | 5.45 | 76 / 76 | 39 / 44 | 11 / 16 | 76 / 76 | 35 / 33 |
+| ±60 | D9 | 线上 / 按段 | 5.45 | 74 / **73** | 36 / 34 | 11 / 14 | 75 / 75 | 63 / 63 |
+| ±60 | D10 | 线上 / 按段 | 5.45 | 74 / **73** | 36 / 33 | 10 / 11 | 75 / 75 | 63 / 63 |
+
+前六题完全相同的例数：±10 25–28/77，±30 9/77，±60 7/77——两种顺序确实不同。
+
+**提前停**（头段占比达到阈值即不再问）：
+
+| 半径 | 目标盘 | 停在 | 答题数 | 真值段保留 | 头段 = 真值 | 真值在区间 |
+| --- | --- | --- | --- | --- | --- | --- |
+| ±10 | D9 | 0.7（按段） | 2.2 | **75** | 71 | **75** |
+| ±10 | D9 | 0.8（按段） | 2.9 | **75** | 70 | 75 |
+| ±10 | D10 | 0.7 / 0.8（按段） | 2.4 / 2.9 | 76 / 76 | 67 / 66 | 74 / 75 |
+| ±30 | D9 | 0.7 / 0.8（按段） | 4.9 / 5.2 | 74 / 76 | 46 / 48 | 74 / 76 |
+
+提前停少问 1–2 题，但 ±10 D9 与 ±30 0.7 档都丢 1–2 例真值段 / 真值在区间，低于基线，**不过硬红线 1**。占比只能用于交付卡的可信度档位，不能用来少问。
+
+**判定**：按段选题在 ≤ ±30 上是一致的小收益（D9 +3 / +4，D10 0 / +7，宽度 −2），真值段保留不降；±60 更差。建议实现，且只在 ≤ ±30 启用。77 例上 1 例 = 1.3 pp，+3 在噪声边缘，+7 超出噪声。
+
+## 5. M3 · 按问题域取盘
+
+| 半径 | 策略（目标盘） | 窗内段数均值 | 头段 = 真值（线上六题 / 按段六题） | 剩 ≤2 段（按段） | 「不用校正」（目标盘全窗 1 种） |
+| --- | --- | --- | --- | --- | --- |
+| ±10 | 婚恋 D1+D9 | 2.4 | 68 / **71**（92%） | 70 | 0/77 |
+| ±10 | 事业 D1+D10 | 2.6 | 66 / 66（86%） | 65 | 0/77 |
+| ±10 | 综合 D1×D9×D10 | 3.8 | 58 / 60（78%） | 39 | 0/77 |
+| ±15 | 三种 | — | — | — | 0/77 |
+| ±30 | 婚恋 | 5.4 | 44 / 48（62%） | 33 | 0/77 |
+| ±30 | 事业 | 5.8 | 48 / 53（69%） | 28 | 0/77 |
+| ±30 | 综合 | 9.7 | 39 / 44（57%） | 16 | 0/77 |
+| ±60 | 婚恋 / 事业 / 综合 | 9.6 / 10.7 / 18.3 | 36→34 / 32→31 / 30→29 | 14 / 12 / 6 | 0/77 |
+
+- 只判用户问的那张盘，准确率明显高于同时判三张（±10：92% / 86% vs 78%）。题数不变——题库是同一个，答题数由可答题目数决定（±10 平均 4.1）。
+- **「不用校正」的出口对婚恋 / 事业 / 综合三种策略都是 0/77**：D9、D10 在 ±10 里就总会换至少一次。它只对「只需要 D1」的问题成立（±10 64/77、±15 51/77、±30 37/77）。任务书决策记录里的「三张盘都只有 1 种 → 直接说不用校正」在数据上不会发生，实现单要改成「只需 D1 且 D1 全窗一种 → 不用校正」。
+
+## 6. 稳健性（`raw`，六题线上顺序）
+
+| 半径 | 盘 | 基线 保留 / 命中 | 答错 1 题（5 seed × 77） | 答错 2 题 | 事件 ±7 天 | LMT 7 例 保留 / 命中 |
+| --- | --- | --- | --- | --- | --- | --- |
+| ±10 | D9 | 76 / 68 | 保留 98.7%、命中 86.0% | 96.6%、80.3% | 76 / 68（同基线） | 6 / 6 |
+| ±10 | D10 | 76 / 66 | 98.7%、82.9% | 97.1%、74.0% | 76 / 66 | 6 / 5 |
+| ±30 | D9 | 76 / 44 | 96.1%、43.9% | 88.1%、32.0% | 76 / 44 | 6 / 2 |
+| ±30 | D10 | 76 / 49 | 96.4%、47.3% | 88.8%、36.4% | 76 / 49 | 6 / 2 |
+| ±60 | D9 | 74 / 36 | 93.0%、31.4% | 81.0%、19.7% | 74 / 36 | 5 / 1 |
+| ±60 | D10 | 74 / 36 | 91.7%、28.3% | 81.0%、17.9% | 74 / 36 | 5 / 1 |
+
+事件日期 ±7 天与基线逐格相同：日精度事件挪 7 天没有改变任何一题的出题与作答（45 天闸门、月级边界）。答错 2 题在 ±30 起把真值段保留压到 88%，与 09-26 「两道反答 = 8 分 = 淘汰线」一致；分档阈值不因此下调，交付卡文案要保留「答错会影响结果」的提醒。
+
+## 7. 给实现单的要点
+
+**改（都在冻结文件之外）**
+
+1. 录入后段扫描：新服务端模块（例如 `scripts/rectification/varga_segments.py`，新文件，不在 `PRODUCTION_FILES`）——对窗口逐分钟算 D1 / D9 / D10 上升，输出各盘段表；只需 D1 且 D1 全窗一种 → 「不用校正」出口。
+2. 段级汇总：前端 `rectification-agentic` 新增 `core/segment-summary.ts`（在 `buildInferenceState` 的分钟分数之上按段求和，`raw` 口径：有效簇分数 ≥0、簇内均摊）；输出每盘头段、占比、剩余段数。
+3. 分档文案：`user-copy.ts` / 交付卡 / 采用卡按 §1 的出口表；采用时落库该段中点分钟。VOICE / DESIGN 同提交。
+4. 按段选题：新模块对 `event_probes` 返回的题池按段级信息增益重排，只在窗口 ≤ ±30 启用；`event_probes.py` 不动。
+5. 按问题域取盘：ConversationFocus 里的问题域 → 目标盘集合（婚恋 D1+D9 / 事业 D1+D10 / 综合三张）。
+
+**不改**：`active_rectification_event_engine.py`、`decision_policy.py`、`MIN_SEPARATION_LEAD`、45 天闸门、七条采集线、卡片 ±2 与三次淘汰、采用 / 确认门、来源标签、训练门与留一件对照、六题照问（不提前停）。
+
+**验收红线**：实现后用本研究脚本回放，±10 / ±30 真值段保留 76 / 76、头段 = 真值不低于 §4「按段」列；±60 交付卡不得出现 D9 / D10 推荐。
+
+## 附：复跑命令
+
+```bash
+export PYTHONHASHSEED=0
+python3 scripts/research/varga_resolution_probe.py \
+  --stages m0,m1,m2,m3,robust --radii 10,30,60 --cache-dir /tmp/varga-cache \
+  --baseline-out docs/research/varga_resolution_baseline_2026_09_30.json \
+  --json-out docs/research/varga_resolution_research_2026_09_30.json
+python3 -m pytest -q tests/test_varga_resolution_research.py
+```
+
+两次完整运行各约 12 分钟（77 例 × 三档，M0–M3 + 稳健性），输出逐字节一致。