research(rectification): add reported-offset evaluation and frozen rerun integrity

Preserve closed confirmation gates and previously-exposed dataset boundaries. Add auditable 900-trial sensitivity results, current scorer freshness checks, and the v5 collection protocol. Co-Authored-By: Claude Code <noreply@anthropic.com>
2026-09-20 12:03:52 +08:00
parent 5049e7847b
commit 932f2fffba
22 changed files with 14134 additions and 7 deletions
@@ -12870,3 +12870,52 @@
 - 相关记录：BUG-970
 - 复发自：无
 - 修复版本：`8dc460da`
+
+## BUG-978 | 封存契约当前打分身份与资料审计状态过期
+
+- 状态：resolved/partial
+- 首次发现：2026-09-20
+- 最近更新：2026-09-20
+- 影响面：封存 holdout 契约、当前实现评测身份与离线成绩归属。
+- 用户现象：历史冻结值、历史 sidecar 当前值、当前代码实测哈希互不相同；契约仍写旧资料审计状态与评测日期，当前成绩无法正确归属。
+- 触发条件：打分文件发生变化而契约未刷新，再读取契约判断当前引擎验证状态。
+- 根因：人工维护契约；既有测试仅与旧报告相互核对，没有断言真实当前树身份与数据集状态。
+- 修复：本轮新增固定口径重跑与 freshness 回归；执行与证据见 `docs/tasks/PROGRESS-rectification-validation-20260920.md`。保持发布六键与确认门不变。
+- 验证：freshness 与确认门相关定向通过；独立复算逐例结果及汇总与冻结重跑 JSON 一致，六个 runtime 键未变。新增测试通过既有快速门 glob 桥接实际收集。旧 v2 哈希测试与 quick 环境失败与基线相同，详见进度。独立盲测因案例曾曝光仍 blocked，固定实现重跑不恢复未见性；resolved 仅指元数据过期与可追溯缺口，partial 指新独立盲测未完成。
+- 防复发：当前打分文件 SHA-256、源审计状态与契约必须一致；新鲜度检查须进入实际快速门收集范围，不能仅存在于测试目录。新盲测还必须有未曝光样本和独立标注审核。
+- 相关记录：BUG-098、BUG-427、BUG-428。
+- 复发自：BUG-098 的独立 holdout 边界与 BUG-427 的身份绑定缺口；前者要求未被落实为独立封存流程，后者没有当前树 freshness 检查，旧 sidecar 自洽仍可过测试。
+- 修复版本：本轮执行分支，未交付。
+
+## BUG-979 | 真值中心候选窗掩盖申报偏差导致的真值出窗
+
+- 状态：resolved
+- 首次发现：2026-09-20
+- 最近更新：2026-09-20
+- 影响面：离线候选窗评测与生产申报中心搜索窗的可比性。
+- 用户现象：离线评测真值永在候选窗中心，无法衡量真实申报偏差大于搜索半径时的失败模式。
+- 触发条件：用户申报偏离独立记录且偏差超过候选窗半径。
+- 根因：旧评测从真值构窗，缺少独立的申报偏移变量和真值在窗覆盖指标。
+- 修复：并行新增偏移敏感性评测，不修改历史候选函数；排名后才揭示真值，用既有 opaque 哈希破同分。
+- 验证：完整修正版 900 组合、45 格，排除 0；新增偏差与 freshness/桥接回归 28/28 通过（包含桥接重复收集），真实引擎跨日分组与逐候选重算相同。报告见 `docs/research/reported_offset_2026_09_20.md`，口径与哈希见同名 JSON。resolved 仅指离线缺少偏差维度的缺口，不代表产品分钟准确或生产跨日问题已修。
+- 防复发：锁定零偏移、窗外、口径字段、非真值破同分与跨日行为；窗口覆盖与排序命中分开记录，不以敏感性代替真实用户准确率。
+- 独立审查追加：首版偏差评测的矩阵为全窗共用一个日期，跨日时辅助 transition proximity 有偏差。已在离线适配层按候选日期分组计算并与逐候选真实引擎结果对照，不修改生产打分；原初扫统计作废。生产同类日期处理不在本单修复范围，记入 BLOCKED，不能声称生产端到端等价。
+- 相关记录：BUG-098、BUG-978。
+- 复发自：BUG-098；既有防复发聚焦候选公开门与同案稳定性，没有离线与生产窗心可比性的测试。
+- 修复版本：本轮执行分支，未交付。
+
+## BUG-980 | 缺少事件丰富且从未曝光的独立封存集
+
+- 状态：investigating
+- 首次发现：2026-09-20
+- 最近更新：2026-09-20
+- 影响面：分钟级评测可推广性与独立发布证据。
+- 用户现象：旧封存集事件少；事件丰富的开放集用于调参、成绩已见，不能替代新的独立验证。
+- 触发条件：把开放评价集或真值方向最佳答案回放当成产品分钟级准确率。
+- 根因：开放集建设之后未建立独立采集、未曝光、独立人审的封存孪生集。
+- 修复：本轮仅制定 v5 采集协议与不重叠公开候选池，不采事件、不生成新成绩。
+- 验证：协议含事件/领域目标、独立来源、人审封存、曝光日志、工作量和发布边界；备选池与旧集去重通过（仅候选资格筛查，原文准入仍需复核）。v5 未建成，保持 investigating。
+- 防复发：采集、标注、评分权限分隔，调参前封存，首次揭晓前不得以事件内容调参；拒绝自动置真人审标志和重新封存已曝光案例。
+- 相关记录：BUG-098、BUG-428、BUG-978、BUG-979。
+- 复发自：BUG-098；原记录明确延期独立分区与校准，本轮仍无真正独立样本，不能将文档协议写成验证完成。
+- 修复版本：协议执行分支；数据集未就绪，不标 resolved。