# 生时校正「候选分不开」两轮研究的结论页（2026-09-14）

> 这一页是索引与定论。**下次有人想从"打分权重不够"或"簇合并把候选并没了"出发再查一遍之前，先读这页。**
> 口径：ayanamsa `raman`、node mode `mean`，步长 2 分钟，样本 `references/real_case_calibration/minute_rectification_holdout_v4.json`（20 例公开 Rodden-AA，每例 ≥7 件带年月事件、≥4 个领域）。不得与上游 true-node 数字直接对比。

## 0. 起因

真机反复出现：带年月的选择题问完，仍剩 4–5 个候选并列（例如相对可能性 26% / 26% / 20%），用户只能蒙。
最初的假设有三个，两轮离线测量后**两个被证伪、一个被缩小**。

| 原始假设 | 结论 |
| --- | --- |
| A. 打分尺度对分钟不敏感（窗内恒定项 ≈ 11.5 分 vs 随分钟变化项 ≈ 2.1 分，约 5:1），加权重就能拉开 | **证伪**：五个改法三档半径无一过门 |
| B. 交付区间宽度永远等于整个搜索窗（簇合并"从不丢簇"） | **证伪**：那是不含淘汰的测量口径产物；线上含淘汰后是 15 / 33 / 56 分钟 |
| C. 上游 `yinduzhanxing` 有我们缺的技法 | **证伪**：校正相关增量为零；上游自己也停在"整窗零淘汰" |

## 1. 已经定论的事实

### 1.1 交付区间宽度：没有想象中糟，真值也从没丢

按线上口径（`unionStillValidRange` = 未淘汰且落后头名不足 8 分的簇覆盖并集），答完六题后：

| 搜索半径 | 不含淘汰的并集（旧口径） | **线上真实宽度中位** | 真值落在交付区间 |
| --- | ---: | ---: | ---: |
| ±10 | 21 | **15** | 20/20 |
| ±30 | 61 | **33** | 20/20 |
| ±60 | 121 | **56** | 20/20 |

### 1.2 簇合并根本没运行过

`cap_clusters_by_adjacent_merge` 的 docstring 写着 *"Keep the whole window…merge adjacent weak ones"*，容易让人以为弱簇被并回整窗。**实测三档半径上合并次数中位都是 0**：步长 2 分钟时候选最多 61 个，低于 `MAX_PUBLIC_CLUSTERS = 64`，函数压根不触发。真值簇独立率三档都是 20/20。

**→ 「簇合并把候选并没了」是假线索，不要再从这里查。**

### 1.3 加权重类改法：全部不过门

| 改法 | 结果 |
| --- | --- |
| R1 分盘项除数（`2·len` → `len` / `√len` / 2） | 只在 ±10 提升头名命中 0.35→0.45，宽窗消失 |
| R2 去底座（每事件减窗内最小值） | 命中与宽度都不动，仅引擎熵略降 |
| R3 **KP 宫头子主计分** | ±10 命中 0.35 → 0.20（权重越大越差）。**不是假阴性**：20/20 例窗内子主确实变 5–9 次 |
| R4 年精度事件改边际似然（max / lse） | `max` 命中升到 0.50，但并列率 0.05 → 0.50，把峰值摊成平手 |
| R5 动态签名层 | 命中下降或持平，熵上升 |
| W1 提高簇上限 / W2 按分差拒绝合并 | 无收益（见 1.2，合并不触发） |
| W3 交付区间改分位覆盖 | ±10 / ±60 能收窄且覆盖不降，但 **±30 有一例把真值挤出区间** → 按红线不放行 |

### 1.4 问答链本身是有效的

基线引擎头名簇命中只有 0.35 / 0.15 / 0.10；**按真值方向回放六题后升到 0.80 / 0.55 / 0.35**。
也就是说：问对题是有用的，瓶颈不在"问了没用"。

## 2. 还没解决的，只剩一件

**区间内部的候选并列。** 真机 26% / 26% / 20% 属于这一类：宽度已经收窄，但区间里前两名分数相等。
两轮实测的共同结论是：**靠调打分尺度拉不开**。要真正分开，只有两条路——

1. 用户再提供**带年月的新经历**（这是目前唯一被证明有效的信息源）；
2. 接受并列，把它诚实地呈现成"这两分钟分不开"，而不是给一个看似有推荐的代表分钟。

第 2 条已经在产品侧落地（风格参考题前置、并列时说明"按现有信息分不开"）。

## 3. 产品决策存档

- **2026-09-14：KP 宫头子主参与评分**（产品负责人拍板，推翻 BUG-325 防复发条里的"不得把 KP 观察计分"）。方向仍然有效，但 **R3 实测表明默认权重不能直接上线**，需要单独标定后再谈实现单。
- **2026-09-14：风格题（D9/D10）在出交付卡之前必问**（放宽版 A），仍然不淘汰候选、只做 ±1 排序微调；并删除了风格题的事件锚点闸，保留"候选在该分盘上上升星座 ≥2 种"的区分力门。

- **2026-09-14：领域门槛暂不收紧。** 上游 R3 要求淘汰与定案需 ≥3 个领域，本仓是 `MIN_ACCEPTANCE_DOMAINS=2`（`scripts/rectification/decision_policy.py:35`）。产品决定**先不动**，等 BUG-689（交付卡上邀请补经历）上线、有真机数据后再评估——那之后用户更容易补到第三个领域，收紧的代价更小。现在收紧会与「永远给结果」的口径冲突。

## 4. 明确不采用

上游 `scripts/ashtakavarga.py` 的 `PL9_BAV_CELL_OVERRIDES`——为对齐某份 PDF 硬编码覆写特定行星/星座的 bindu 值。那是对答案，不是算法修正。

## 5. 索引

| 文档 | 内容 |
| --- | --- |
| `docs/research/upstream_rectification_gap_2026_09_14.md` | 与上游 `yinduzhanxing` 的逐项能力对照、许可证边界 |
| `docs/research/minute_resolution_2026_09_14.md` | 第一轮：R1–R5 打分尺度测量（**文末有勘误，务必读**） |
| `docs/research/cluster_width_2026_09_14.md` | 第二轮：宽度口径校正、簇结构画像、W1–W3 |
| `docs/research/holdout_v4_build_2026_09_14.md` | v4 封存基准的构建与标注协议 |
| `docs/research/precision_gate_2026_09_14.md` | 出题闸门分档与 M1b 分盘配权。**勘误：M1b 的 V1/V2 标为未测**（与 V0 数字完全相同，且 V0 采集未打分盘标签）；V3 结论保留 |
| `scripts/research/minute_resolution_sweep.py` / `cluster_width_probe.py` | 两轮的测量脚本（离线，未接生产） |
| `tests/test_minute_resolution_research.py` / `test_cluster_width_research.py` | 两轮脚本的回归测试 |

## 6. 给下一个人的三条提醒

1. **先确认指标口径再下结论。** 第一轮的头条结论就是被"不含淘汰"的宽度口径带偏的；第二轮 M0 才把它纠回来。
2. **不要从 docstring 推断行为。** 簇合并那条假线索就是这么来的——实测它从未触发。
3. **真值覆盖率优先于区间宽度。** 把区间做窄很容易，把真实分钟挤出去是更严重的错误（`AGENTS.md` Part B B4）。W3 就是卡在这一条。

## 7. 勘误与补充（2026-09-26 离线研究）

- §5 索引里「M1b 的 V1/V2 标为未测」已过时：2026-09-26 重跑后，V1/V2 **已实测、无收益**。它们在 ±30 / ±60 上按定义等于等权，在 ±10 上只微调分数、不改六题后指标。
- 任务书和 BUG-689 邀请语依据里的「1 分钟 ≈ 1.1 天大运边界位移」有误，实测中位 3.8 天（1.3–5.9）。45 天闸门对应 8–34 分钟，不是 40 分钟。
- 新增答错容错：答错 1 题，真值在区间 98–100%；答错 2 题，±30 / ±60 上 7–10% 的回放会挤出真值（两道反答 = 8 分 = 淘汰线）。
- 全文见 `docs/research/rectification_offline_research_2026_09_26.md`。

## 8. v5 已建，后续判定以 v5 为准（2026-09-29）

- 本页所有「过门 / 不过门」都在 20 例上判，1 例 = 5 个百分点，判定在噪声线上（任务书 `TASK-rectification-holdout-expansion-20260929.md`）。
- 开放评价集已扩到 **v5：77 例**（v4 的 20 例原样继承 + 57 例新增公开 Rodden-AA），每例 ≥7 件带引文的事件、≥4 领域；协议见 `holdout_v5_protocol_2026_09_29.md`，构建说明与基线成绩单见 `holdout_v5_build_2026_09_29.md`。
- v5 中 v4 子集的基线数字与本页 §1 逐格一致（复现表在构建说明里）。**此后任何打分方案的判定必须在 v5 上做**；`TASK-rectification-scoring-research-20260929.md` 的 R-A / R-B / R-C 以 v5 为准。

## 9. 后续（2026-09-29 打分方法研究单，脚手架阶段）

- §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`。