# 生时校正「盘型口径」研究（2026-09-30）

> 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。

## 1. 结论

| 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 |

**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。

**每档半径的诚实出口**

| 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」 |

## 2. M0 · 段扫描（复现任务书两张表）

**表 1 · 窗口内有几种上升（77 例）**

| 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 |

D9 / D10 / D12 在四档窗口里「只有 1 种」都是 0/77。

**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**

| 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** |

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。

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。

## 3. M1 · 段级汇总与可信度校准（`raw`，六题）

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。

**3.1 硬红线 1（真值段保留 ≥ 基线真值在区间 76 / 76 / 75）**

| 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** |

±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。

**3.2 头段 = 真值、剩余段数、头段占比中位**

| 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 |

**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）**

| 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) |

**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）**

| 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 |

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。

**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。

## 4. M2 · 按段选题

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。

| 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。