# 生时校正三项离线研究（2026-09-26）

- 任务书：`docs/tasks/TASK-rectification-offline-research-20260926.md`；进度：`docs/tasks/PROGRESS-rectification-offline-research-20260926.md`
- 分支：`codex/rectification-offline-research-20260926`，测量在 `origin/staging` @ `7ddce2c9` 上完成（引擎代码与任务书基线 `abb05b67` 相同），提交已变基到 `7203d94e`（其间只新增 `fewer_probes_card_replay.py` 与文档，引擎与打分代码未变）。
- 性质：**离线测量。不改线上代码、打分、阈值、出题闸门、Skill。** 研究脚本读引擎内部函数，个别测量在一次调用内临时替换模块属性，调用结束立即恢复，脚本末尾断言已恢复。
- 数据：`references/real_case_calibration/minute_rectification_holdout_v4.json`，20 例公开 Rodden-AA 名人。R3a 只用随机虚构时刻。**这是开放集回放，不是盲测，下面的数字不是准确率。**
- 口径：ayanamsa `raman`，node mode `mean`，步长 2 分钟，半径 ±10 / ±30 / ±60。交付区间 = 未淘汰、且落后头名不足 8 分的簇的并集（线上 `unionStillValidRange`）。六题回放沿用 09-14 研究：同一份六道题，不随作答重新出题。
- 同机 A/B：R1、R3a 在 `PYTHONHASHSEED` 不同的两次运行下 JSON 逐字节一致；R2、R3c 换 `PYTHONHASHSEED` 复跑，汇总与已存 JSON 完全一致（见进度记录）。不与其他机器的浮点结果比对（BUG-985）。

## 结论

| 项 | 一句话结论 | 是否建议立实现单 |
| --- | --- | --- |
| R1 答错容错 | 答错 1 题，真值几乎都还在区间里（98–100%），但头名命中降三到四成。答错 2 题，±30 / ±60 上约 7–10% 的回放会把真值挤出区间，半数以上的例子至少有一种两题组合会挤出。原因是两道反答正好造成 8 分差，等于淘汰线 | **不立实现单**。给产品一条口径：区间变窄不等于更准（±10 反答后宽度反而从 15 收到 11） |
| R2 V1/V2 分盘配权 | 权重确实生效了：研究计分器在 V0 与线上逐分相同。V1/V2 在 ±30 / ±60 上按定义就是恒等，0 个候选分数变化。在 ±10 上改了约 3/4 候选的分数（最多 0.4–0.6 分），六题后指标与基线完全相同。**判定由 `not_measured` 改为 `no_benefit`（已实测）** | **不立实现单**。补充的 V1n（按敏感度归一化重新分配权重）头名 +1/+1/+2 例，但宽度没降，±60 宽度 56→73，不过门 |
| R3 算术改正 | 1 分钟对应大运边界位移中位 **3.8 天**，不是 1.1 天（p10 1.6、p90 5.0，范围 1.3–5.9），按出生星宿主星分两档。45 天闸门对应 **8–34 分钟**（中位 12，p10–p90 为 9–29），不是 40 分钟。`_representative_pairs` 推断**被推翻**：改成全部两两配对后，带日期的题一道都没多。真正的卡点在逐月评估：只有 3%（刷新阶段 0.4%）的边界月份能让代表候选分到两边 | **不立实现单**。另记一个新发现：`_boundary_windows` 有两处绕过闸门的漏洞（跨 1 月 1 日豁免、按位置 zip 错位），记为 BUG-1048 `investigating`，是否修要等产品决定 |

---

## R1 · 答错 1–2 题的容错

**方法。** 每例每个半径用线上 G0 闸门出题，取前六题。按真值给出最优是 / 否，再从能作答的题里随机选 1 题或 2 题反过来答（固定种子 `20260926`，按例、半径、题数、重复序号生成随机数，每格重复 30 次）。另外对所有组合穷举一遍作对照。能作答的题少于 k 的例子不进该格；所以每格另列「同一批例子不答错」的基线。

复跑：`python3 scripts/research/answer_flip_tolerance.py`（约 1 分钟）→ `docs/research/answer_flip_tolerance_2026_09_26.json`

| 半径 | 答错题数 | 例数 | 回放次数 | 真值在区间 | 头名命中 | 宽度中位（分钟） | 至少一次挤出真值的例子 | 同批例子不答错：命中 / 宽度 |
| --- | ---: | ---: | ---: | ---: | ---: | ---: | ---: | ---: |
| ±10 | 0 | 20 | 20 | 1.000 | 0.80 | 15 | 0 | — |
| ±10 | 1 | 16 | 480 | 1.000 | 0.58 | 13 | 0 | 0.94 / 12 |
| ±10 | 2 | 15 | 450 | 0.996 | 0.40 | 11 | 1 | 0.93 / 11 |
| ±30 | 0 | 20 | 20 | 1.000 | 0.55 | 33 | 0 | — |
| ±30 | 1 | 18 | 540 | 0.989 | 0.33 | 35 | 1 | 0.61 / 32 |
| ±30 | 2 | 18 | 540 | 0.926 | 0.08 | 33 | 9 | 0.61 / 32 |
| ±60 | 0 | 20 | 20 | 1.000 | 0.40 | 56 | 0 | — |
| ±60 | 1 | 18 | 540 | 0.981 | 0.24 | 73 | 2 | 0.44 / 54 |
| ±60 | 2 | 18 | 540 | 0.898 | 0.06 | 71 | 12 | 0.44 / 54 |

穷举对照（每例所有 1 题 / 2 题组合）：真值在区间 ±10 1.000 / 0.990，±30 0.991 / 0.919，±60 0.981 / 0.907；头名 ±10 0.66 / 0.43，±30 0.33 / 0.09，±60 0.23 / 0.06。随机抽样与穷举一致。

不答错的基线与 09-14 精度闸门研究的 G0 完全一致（0.80 / 0.55 / 0.40；15 / 33 / 56；20/20），说明回放链路没有漂移。

**读法。**

1. **真值从未被淘汰。** 强冲突淘汰要 3 次；答错 2 题最多给真值 2 次冲突。
2. **挤出真值靠的是 8 分线。** 一道反答让真值 −2、另一侧 +2，相对差 4 分；两道反答正好 8 分，等于 `SEPARATION_LEAD = 8`。所以 k=2 开始挤出真值，k=1 只有真值原本就贴线的例子才会被挤出。
3. **±10 上答错反而让区间更窄**（15 → 13 → 11），头名却从 0.94 掉到 0.40。窄是因为错误答案把一个假头名推高了，不是因为更准。**产品口径：不要把「范围变窄」讲成「更确定了」。**
4. 回放的六道题不随作答重出，这一点对答对和答错两边都一样。真人答错后，后续题目可能被带偏，实际影响可能更大，本回放测不到。

**是否建议立实现单：不建议。** 容错与淘汰线（8 分、3 次冲突）是同一组常数，要改就会同时影响答对时的宽度，需要另立研究。可选方向（均未测）：答题之间出现矛盾时放宽交付并集；在交付卡上允许「改一道答案」。

---

## R2 · V1/V2 分盘敏感度配权重跑

**背景。** 09-14 精度闸门研究的 M1b 里，V1/V2 与 V0 数字完全一样。BUG-692 把判定改成 `not_measured`，文中怀疑「权重没真正打上」。本轮先证明权重有没有生效，再重跑。

复跑：`python3 scripts/research/varga_sensitivity_rerun.py`（约 16 分钟）→ `docs/research/varga_sensitivity_rerun_2026_09_26.json`

### 第一步：权重是否改了分数

| 半径 | 研究计分器 V0 vs 线上 | V1 vs V0：分数变化的候选 | V1 最大分差 | V1 头名变化例 | V2 vs V0：分数变化的候选 | V2 最大分差 | V2 头名变化例 | V2 丢掉某领域分盘的例子 |
| --- | --- | ---: | ---: | ---: | ---: | ---: | ---: | ---: |
| ±10 | 0 / 220 不同 | 168 / 220（17 例） | 0.428 | 0 | 159 / 220（17 例） | 0.625 | 1 | 12 |
| ±30 | 0 / 620 不同 | **0 / 620** | 0 | 0 | **0 / 620** | 0 | 0 | 0 |
| ±60 | 0 / 1220 不同 | **0 / 1220** | 0 | 0 | **0 / 1220** | 0 | 0 | 0 |

V1 系数 `min(窗宽 / 分盘换一次上升的分钟数, 1)`：

| 窗宽 | D2 | D3 | D5 | 其余 8 张（D4/D7/D9/D10/D11/D12/D24/D30） |
| --- | ---: | ---: | ---: | ---: |
| 20 分钟（±10） | 0.33 | 0.50 | 0.83 | 1.00 |
| 60 分钟（±30） | 1.00 | 1.00 | 1.00 | 1.00 |
| 120 分钟（±60） | 1.00 | 1.00 | 1.00 | 1.00 |

**结论：权重生效了，是 V1/V2 的定义本身在宽窗上等于恒等。** 11 张计分分盘里最慢的 D2 每 60 分钟换一次上升，窗宽 ≥ 60 分钟时 V1 每个系数都截断到 1。V2 只丢掉窗内一次都不变的分盘，窗宽 ≥ 60 分钟时每张都会变。±10 上两者确实改了分数，但幅度小于候选之间的分差。09-14「与 V0 相同」的数字是真实结果，不是没打上权重。

### 第二步：按 closure 口径重跑（G0 闸门、六题回放）

| 半径 | 方案 | 头名命中 | 真值在区间 | 宽度中位 | 引擎头名（答题前） | 六题后再出 | 判定 |
| --- | --- | ---: | ---: | ---: | ---: | ---: | --- |
| ±10 | V0 | 0.80 | 20/20 | 15 | 0.30 | 3.25 | 基线 |
| ±10 | V1 | 0.80 | 20/20 | 15 | 0.30 | 3.25 | no_benefit |
| ±10 | V2 | 0.80 | 20/20 | 15 | 0.35 | 3.25 | no_benefit |
| ±10 | V1n（补充） | 0.85 | 20/20 | 15 | 0.45 | 3.25 | no_benefit（宽度未降） |
| ±30 | V0 | 0.55 | 20/20 | 33 | 0.20 | 5.45 | 基线 |
| ±30 | V1 / V2 | 0.55 | 20/20 | 33 | 0.20 | 5.45 | no_benefit（恒等） |
| ±30 | V1n（补充） | 0.60 | 20/20 | 33 | 0.15 | 5.45 | no_benefit（宽度未降） |
| ±60 | V0 | 0.40 | 20/20 | 56 | 0.05 | 5.75 | 基线 |
| ±60 | V1 / V2 | 0.40 | 20/20 | 56 | 0.05 | 5.75 | no_benefit（恒等） |
| ±60 | V1n（补充） | 0.50 | 20/20 | **73** | 0.10 | 5.90 | no_benefit（宽度变宽） |

判定沿用 `precision_gate_lib.gate_verdict`：头名不降**且**宽度下降才算有收益，覆盖不得下降。

**V1n 是什么。** 这是 09-14 设计里没有的补充方案。每张分盘的系数与「换一次上升的分钟数」成反比，再归一化到 11 张盘的平均系数等于 1。总分量不变，只把权重从慢盘挪到快盘（D2 0.17、D3 0.26、D5 0.43、D7 0.60、D9 0.77、D10 0.85、D11 0.94、D12 1.02、D4 1.36、D24 2.05、D30 2.56）。它改了全部候选的分数，头名多中 1 / 1 / 2 例（20 例里），但宽度没有收窄，±60 反而变宽。样本只有 20 例，+1 例在噪声范围内。

**是否建议立实现单：不建议。** V1/V2 结论更新为 `no_benefit`（已实测）。V1n 若要继续，先补 ±7 天日期偏移和 R1 答错两项稳健性，再谈实现。

---

## R3 · 改正「1 分钟 ≈ 1.1 天」与 `_representative_pairs` 推断

### R3a · 1 分钟对应多少天

复跑：`python3 scripts/research/dasha_shift_per_minute.py`（1 秒）→ `docs/research/dasha_shift_per_minute_2026_09_26.json`

**推导。** 第一段大运的余额是 `(1 − 星宿内进度) × 主星年数`。之后每一个 MD / AD / PD 的起点都等于「出生 + 余额 + 固定时长」，所以出生时间挪 1 分钟，**所有边界整体平移同一个天数**：

> 平移天数 / 分钟 = 月亮每分钟走的度数 ÷ 13.333° × 主星年数 × 365.25

月亮平均每分钟 0.0091°。Vimshottari 120 年覆盖 9 个星宿（120°），**平均 1° ≈ 365 天**，按主星从 164 天（太阳 6 年）到 548 天（金星 20 年）不等。09-14 文档写的「1° ≈ 122 天」是错的，于是算成 0.0092 × 122 ≈ 1.1 天，把位移低估了约 3.5 倍。

**实测（2000 个虚构时刻，种子 7，swisseph 恒星黄道 Raman）：**

| 测法 | n | 平均 | p0 | p10 | p25 | 中位 | p75 | p90 | p100 |
| --- | ---: | ---: | ---: | ---: | ---: | ---: | ---: | ---: | ---: |
| 解析式（月速 × 主星年数） | 2000 | 3.32 | 1.34 | 1.58 | 1.80 | **3.82** | 4.54 | 5.00 | 5.85 |
| 差分（余额在 t 与 t+1 分钟） | 1997 | 3.32 | 1.34 | 1.58 | 1.80 | 3.82 | 4.54 | 5.00 | 5.85 |
| 仓库 `_vim_start_dates`（t 与 t+20 分钟，÷20） | 299 | 3.50 | 1.35 | 1.60 | 1.95 | 4.05 | 4.55 | 5.00 | 5.75 |

仓库函数的所有 MD / AD 起点在 20 分钟内平移同一个天数（对齐后差值最大相差 1 天，是日期取整）。它是前 300 个时刻的子样本，中位 4.05 与全样本 3.82 的差异来自抽样。

**按出生星宿主星分两档**（中位，天 / 分钟）：太阳 1.50、火星 1.71、计都 1.77、月亮 2.47 ｜ 木星 3.96、水星 4.18、罗睺 4.54、土星 4.71、金星 4.93。前一档约占 45%。所以「中位 3.8」落在两档之间，单个人的实际值要么约 1.5–2.5，要么约 4–5。

### 闸门与窗宽换算（改正后）

| 候选相隔 | 边界相差（天，中位 / p10 / p90） | ≥45 天的比例 | ≥30 天的比例 | 旧文档写的 |
| --- | --- | ---: | ---: | --- |
| 2 分钟 | 7.6 / 3.2 / 10.0 | 0% | 0% | ≈ 2 天 |
| 4 分钟 | 15.3 / 6.3 / 20.0 | 0% | 0% | — |
| 10 分钟 | 38.2 / 15.8 / 50.0 | 27% | 54% | — |
| 20 分钟 | 76.5 / 31.5 / 100.0 | 66% | 94% | ≈ 22 天、不可出题 |
| 30 分钟 | 114.7 / 47.3 / 149.9 | 94% | 100% | — |
| 40 分钟 | 153.0 / 63.1 / 199.9 | 100% | 100% | ≈ 45 天 |

- **45 天闸门 ↔ 中位 11.8 分钟**（p10 9.0，p90 28.5，全范围 7.7–33.5）。
- **30 天刷新闸门 ↔ 中位 7.8 分钟**（6.0–19.0，全范围 5.1–22.3）。

### 不同精度的证据能分开多近的候选

证据日期要落在两个候选的边界之间，才能把它们分到两边。所需边界差约等于证据的日期跨度，再除以每分钟平移天数：

| 证据精度 | 日期跨度 | 稳定可分的候选间距（分钟） 快档 p90 | 中位 | 慢档 p10 | 最慢 |
| --- | ---: | ---: | ---: | ---: | ---: |
| 确切某一天 | 1 天 | 0.2 | 0.3 | 0.6 | 0.7 |
| 某天 ±3 天 | 7 天 | 1.4 | 1.8 | 4.4 | 5.2 |
| 某天 ±7 天 | 15 天 | 3.0 | 3.9 | 9.5 | 11.2 |
| 记得到月 | 30.4 天 | 6.1 | 8.0 | 19.3 | 22.6 |
| 线上 45 天闸门 | 45 天 | 9.0 | 11.8 | 28.5 | 33.5 |
| 只记得年 | 365 天 | 73 | 95 | 232 | 272 |

低于这个间距时，只有两条边界恰好跨在月初（或年初）两侧才能分开，概率约为「边界差 ÷ 跨度」。例如按中位平移，相隔 2 分钟的一对候选：跨月概率 25%，跨年概率 2%；相隔 20 分钟：跨年概率 21%。

**所以：** 记得到月的事件，在候选相隔约 8 分钟以上（慢档约 20 分钟以上）时就够用；记得到天（容许几天误差）的事件，能分开相隔 2–5 分钟的候选。只记得年的事件单靠大运边界分不开 ±60 以内的候选，只有跨年的那一小部分边界例外。

### R3c · `_representative_pairs` 推断核实

**任务书的推断：** 「出不来题」的真正原因可能是 `_representative_pairs` 只比较相邻代表分钟和首尾一对，相邻代表太近，边界差过不了闸门。

复跑：`python3 scripts/research/representative_pairs_probe.py`（约 6 分钟）→ `docs/research/representative_pairs_probe_2026_09_26.json`

对每例每个半径，在「初始」（全部候选）与「刷新」（六题回放后剩余候选，与 09-14 相同）两个阶段，比较三种设置：线上配对；研究补丁返回**全部两两配对**；研究补丁把 `_boundary_windows` 改成**严格闸门**（对所有配对都卡最小间隔、不豁免跨年，并把错位的 zip 对齐）。题目数在公开截断之前统计。

| 半径 · 阶段 | 代表数中位 | 线上配对：过闸对数均 | 全配对：过闸对数均 | 带日期的题（截断前，每例均值）线上 / 全配对 / 严格闸门 | 公开题里没有新的带日期题的例子 线上 / 全配对 / 严格闸门 | 边界月份评估次数均 | 能分开代表的比例 |
| --- | ---: | ---: | ---: | --- | --- | ---: | ---: |
| ±10 初始 | 6 | 0.60 | 3.30 | 4.85 / 4.80 / 4.10 | 4 / 4 / **8** | 168 | 3.2% |
| ±10 刷新 | 4 | 0.90 | 1.65 | 3.25 / 3.30 / 3.10 | 3 / 3 / 4 | 809 | 0.4% |
| ±30 初始 | 16 | 1.00 | 76.5 | 6.75 / 6.75 / 6.55 | 2 / 2 / 2 | 226 | 4.2% |
| ±30 刷新 | 5 | 1.80 | 4.95 | 5.30 / 5.25 / 5.30 | 2 / 2 / 2 | 1130 | 0.5% |
| ±60 初始 | 31 | 1.00 | 400.6 | 6.95 / 7.05 / 6.85 | 2 / 2 / 2 | 255 | 4.5% |
| ±60 刷新 | 5 | 1.95 | 5.55 | 5.55 / 5.60 / 5.60 | 2 / 2 / 2 | 1057 | 0.5% |

「没有带日期题」的例子里，每格都有 2 例是 1900 年前出生的（毕加索 1881、弗洛伊德 1856）：`_birth_year` 只接受 1900–2100，出题器对它们直接返回空，与闸门无关。

**结论：推断被推翻。**

1. **全部两两配对没有多出一道带日期的题。** 过闸的配对多了好几倍，日期并集也变大，但带日期的题数不变（差异 ≤0.1 道），没有题的例子数完全相同。首尾那一对已经是间距最大的一对，中间补上的配对只贡献更靠内的月份，这些月份照样分不开代表。
2. **真正的卡点在逐月评估。** `_evaluate_contexts` 在每个边界月份判断各代表在该领域是否被激活，要求一边激活、一边不激活。初始阶段每例评估约 170–250 个边界月份，只有 3–4.5% 能分开；刷新阶段带上 PD 后评估 800–1100 个，只有约 0.5% 能分开。
3. **v4 回放里六题后题池并不空。** ±10 刷新阶段平均还能出 3.25 道新的带日期题，1900 年后出生的 18 例里只有 1 例为 0。真机上「问完了」的原因用 v4 复现不出来。候选原因包括：采集线已关或被拒、已问年份、封存年份、存在性封锁年份、真人事件多为月精度，都未测。需要真机统计（见 `TASK-rectification-telemetry-20260926.md`）才能定性。
4. **新发现：`_boundary_windows` 有两处绕过闸门。**
   - 跨年豁免：代码写的是 `one.year == two.year and 差 < 阈值` 才跳过。两条边界只差 7 天、但分别落在 12 月底和 1 月初，也会被放行。例：某例 ±10 初始阶段，放行的 6 个日期全是这种一周内跨年的对（12-27 / 01-03 这类），逐月评估全部失败。
   - zip 错位：两个候选的边界列表按位置配对。一旦某条边界跨出 `[出生+5, 出生+80]` 的年份边缘，列表会差一到两个元素（MD 起点与其第一个 AD 起点同一天，所以一次可能差两个）。此后每一对比的都是不对应的边界，间隔很大，于是全部放行。20 分钟虚构对（只算 MD+AD）有 10.7% 错位；刷新阶段（含 PD）线上配对有 35–44% 错位。
   - 改成严格闸门后，±10 初始阶段没有带日期题的例子从 4 例变成 8 例，刷新阶段从 3 例变成 4 例，宽窗基本不变。也就是说，**窄窗上现有的一部分带日期题是靠这两个漏洞出来的**。这些题问的是「边界只差几天的那个月」，按月精度回答是否可靠，本轮没有评估。已记为 BUG-1048（`investigating`），不改代码。

### 改正与文案建议

**已加勘误段（不删原文）：**

- `docs/tasks/TASK-rectification-precision-adaptive-boundary-research-20260914.md`（1.1 天、122 天 / 度、换算表）
- `docs/tasks/TASK-rectification-open-collect-invite-20260914.md`（D1b 的依据句）
- `docs/tasks/TASK-rectification-precision-gate-guided-collect-20260916.md`（实证第 5 条「20 分钟 ≈ 22 天，题池必然为空」）
- `docs/research/precision_gate_2026_09_14.md`（M1b：V1/V2 改为已实测 `no_benefit`）
- `docs/research/rectification_minute_resolution_closure_2026_09_14.md`（索引里 V1/V2「未测」的说明）

**引导邀请语的依据：建议改写（不改线上文案）。** 线上现在的引导题是「YYYY 年 M 月前后，有没有 X？」加年 / 月选择器，日期可选（BUG-740 起）。BUG-689 / D1b 的依据句建议改成：

> 出生时间每差 1 分钟，Vimshottari 边界整体平移约 1.3–5.9 天（中位约 3.8 天，取决于出生星宿的主星）。记得到月的事件，在候选相隔约 8 分钟以上（慢的星宿约 20 分钟以上）时就能把它们分开；记得到具体哪天（容许几天误差）的事件，能分开相隔 2–5 分钟的候选。但 v4 开放集上把日精度降成月精度，头名与宽度都没有变化（精度闸门研究 M0），所以不能写成「记得到天明显更有用」已经证实，更不能承诺能定到分钟。

对用户文案的建议（仅供产品决定）：选择器保持「日可选」，旁边一句「记得哪天就选上，记不清选到月也可以」。只在剩余候选相隔不到约 8 分钟时（交付区间 ≤ 10 分钟的收尾阶段）才值得主动追问具体哪天。不写任何「能定到分钟」的承诺。

---

## 附：全部复跑命令

```bash
python3 scripts/research/answer_flip_tolerance.py            # R1，约 1 分钟
python3 scripts/research/varga_sensitivity_rerun.py          # R2，约 16 分钟
python3 scripts/research/dasha_shift_per_minute.py           # R3a，1 秒
python3 scripts/research/representative_pairs_probe.py       # R3c，约 6 分钟
python3 -m pytest tests/test_offline_research_20260926.py    # 纯函数回归
```