Jyotisha/docs/tasks/PROGRESS-rectification-scoring-research-20260929.md

PROGRESS · 生时校正打分方法研究：似然比权重 / 缺席证据 / 精度追问（2026-09-29 脚手架，2026-09-30 v5 判定）

• 任务书：docs/tasks/TASK-rectification-scoring-research-20260929.md
• 执行：Claude（直接执行模式，fork 子代理），分支 codex/rectification-scoring-research-20260929。脚手架阶段基线 origin/staging @ 6e393780，已合入 staging（84aaeadf）；判定阶段 git rebase origin/staging 到 0120765f（v5 已合入，分支无额外提交后再开新提交）。未推送。
• 研究报告：docs/research/rectification_scoring_research_2026_09_29.md + scoring_research_{lr,absence,precision_followup}_2026_09_29.json（v4）与 …_v5_2026_09_29.json（v5，判定用）。

阶段一（2026-09-29）· 脚手架与 v4 流水线

• 环境：本机没有 .venv，全部用系统 python3 3.13.5（swisseph 9.1.1）。快速门的前端步需要 Node 22：frontend/node_modules 软链到主检出（未入库），npm 用 /exec-daemon/node + /exec-daemon/lib/node_modules/npm 的 shim。PYTHONHASHSEED=0（ERR-111）。
• 交付：scripts/research/scoring_research_lib.py（特征记录 provider、逐分对账、似然比估计 α = 1、案例级 bootstrap、加权 provider、leave-one-case-out、缩放答案、Platt 温度、缺席年 / 精度升降辅助）、scripts/research/scoring_research.py（R-A / R-B / R-C 流水线）、tests/test_scoring_research.py（10 条，含 v4 公开案例 ±10 对账 0 差）。
• 对账：20 例 × 3 档 = 60 个 case-radius 分数差 0、规则 id 差 0。两次复跑 JSON 逐字节一致。所有判定字段 pending_v5。
• 生产代码、sealed_holdout_rerun.py::PRODUCTION_FILES 的 10 个冻结文件、任何常数零改动。
• 已由 Claude 验收合入 staging（README 状态板记录）。

阶段二（2026-09-30）· v5 判定

脚本改动（本次提交，scripts/research/scoring_research.py）

1. main 改为一次只驻留一个半径：77 例 × 3 档的静态 context 同时驻留会 OOM（两次被系统 kill，anon-rss 3.2 GB），按半径加载 → 跑 R-A / R-B / R-C → 释放。JSON 结构不变。
2. fit_prior 的训练折计分改用线性代理 CaseData.proxy_rows（特征权重 × 精度权重，不含事件类型系数 / 大运边界邻近项），把每折 O(n) 次矩阵构建降为字典求和；留出例的分数仍走线上矩阵。
3. --probes-per-variant：留一法方案用自己的矩阵重新出六题再回放（缺口 3）。
4. hard_line_1 字段：每格真值在区间例数与头名 vs 基线；R-C 增加同一子集的 subset_C0 / subset_B0 与 gate_verdict_vs_subset_C0（子集方案对全集 C0 比是不公平的，改为同子集比）。
5. per_case 行（R-A 各方案与基线、R-C 各臂）写进 JSON，供验收逐例核对。
6. verdict 字段：v4 仍 pending_v5；v5 文件 header 写 see_report，方案级 gate_verdict / hard_line_1.pass 是机器判定，正式判定见研究报告 §1。

对账与复跑

• v5 对账：77 例 × 3 档 = 231 个 case-radius 差异 0（reconciliation.unreconciled = 0，三份 JSON 均记录）。
• 复跑：PYTHONHASHSEED=0 … --dataset-label v5 --probes-per-variant 连跑两次（2918 s / 2818 s），三份 JSON cmp 逐字节一致（lr 407,129 B、absence 53,227 B、precision_followup 48,521 B）；R-C 加同子集基线后单独再跑两次（--parts rc），同样逐字节一致；_v5_rerun 副本比对后删除，不入库。
• 基线自检：本脚本的 v5 基线（六题后 raw）头名 0.675 / 0.494 / 0.325、真值在区间 76 / 76 / 75、宽度 15 / 35 / 63，与扩集单发布的 v5 成绩单逐格一致。

判定（raw 主判口径，理由见报告 §2.1；truth = opposite，D1 之后六题后不再注入）

项	六格硬红线 1（真值在区间例数 / 头名 vs 基线 76 / 0.675、76 / 0.494、75 / 0.325）	gate_verdict	判定
R-A A1	76 / 0.571、77 / 0.455、72 / 0.247	no_benefit ×3	不过（头名三档降；±60 丢 3 例）
R-A A2	75 / 0.545、76 / 0.416、72 / 0.247	no_benefit ×3	不过
R-A A3	77 / 0.597、77 / 0.468、75 / 0.221	no_benefit ×3	不过（覆盖不降但头名三档降）
R-B @0.5 分	77 / 0.662、75 / 0.442、75 / 0.221	no_benefit ×3	不过（头名降、宽度不降）
R-B @1.0 分	73 / 0.649、71 / 0.429、70 / 0.195	no_benefit ×3	不过
R-B @2.0 分（卡片强度）	55 / 0.481、33 / 0.169、19 / 0.091	no_benefit ×3	不过（真值大量挤出）
R-C（与同子集 C0 比）	C1_prior：20/20 头名 0.70 vs 0.75、34/34 0.47 vs 0.47（宽度 36 vs 37）、44/44 0.36 vs 0.42；C1_probe：0.60 vs 0.75、0.41 vs 0.47、0.38 vs 0.42；C2_prior：0.70 vs 0.80、0.42 vs 0.50、0.48 vs 0.52	只有 ±30 C1_prior 一格 benefit，其余 no_benefit	不过（无一致收益，不立实现单）

percent 口径六格同样全部不过（R-A A1 76 / 77 / 77、A2 71 / 76 / 77、A3 66 / 75 / 76，头名全低于基线 0.79 / 0.81 / 0.77；R-B @2.0 分 54 / 33 / 20）。

• 稳健性（R-A 留一法 raw，真值在区间）：±7 天 0.94–1.00、±1–3 月 0.94–1.00、答错 1 题 0.90–1.00、答错 2 题 0.82–0.98；没有一项补回头名损失。
• 缺口 3：按方案矩阵重出六题的回放与共用题目逐格相同（出题器按代表候选与静态 context 判定分边，不读矩阵分数；每例题数 4.9 / 7.1 / 7.3）。对判定方向无影响，关闭。
• 后验标定（缺口 2）：主判 raw（scale 只从训练折估，进 unionStillValidRange，与三轮既有研究同口径）；percent 口径的 Platt 温度在 v5 上拟合到 4–32，校准曲线在 ±30 / ±60 几乎全落在 [0,0.1) 桶且预测≈实际——过自信消失的代价是后验≈均匀，即先验不携带信息。两口径判定方向一致。
• 特征：42 个里 36 / 38 / 39 个 bootstrap 5–95% 区间跨 0；剩余 |log LR| ≤ 0.15（D60 命中 −0.15、Shadbala 支持 −0.06 / 压力 +0.05、KP 星主 +0.06–0.09、KP 上升 AD 子主 −0.11）；v4 与 v5 都不跨 0 且同号的特征：0 个。

文档

• 研究报告改写为 v5 判定版（§1 结论表、§2.1 标定口径、§2.2 / §3.1 六格表、§2.4 特征表、§4 R-C、§6 v4 数字保留）。
• docs/BUG_HISTORY.md BUG-1091 → closed_by_design（附数字）；定论页 §9 追加 v5 结论；docs/research/ACTIVE_FRONTS.md 索引已指向报告；docs/tasks/README.md 状态行更新。

快速门

• 阶段一：基线（6e393780）与改后各一次：Python 1001 passed / 1 skipped 两次相同；前端 4357 / pass 4302 / fail 24 / cancelled 0（基线 4301 / 25，改后失败清单是基线的子集，24 条全是 Docker / PostgreSQL / 部署环境套件）。
• 阶段二（0120765f 之上，改动只在 scripts/research/scoring_research.py 与文档）：python3 scripts/run_quality_gate.py --profile quick（PATH 带 Node 22 shim）——Python 1001 passed / 1 skipped（与阶段一两次相同；定向 tests/test_scoring_research.py 10 passed）；前端 4391 / pass 4336 / fail 24 / cancelled 0（staging 在 6e393780→0120765f 间新增 34 条测试，全部通过），24 条失败清单与阶段一逐条相同（Docker / PostgreSQL / 部署环境套件），门禁整体 exit 1 由此导致；无新增失败。

缺口与说明

• R-A / R-B 判定为负，不立实现单；BUG-560 维持 blocked。
• R-C 与同子集基线比无一致收益，不立实现单；产品若仍想做"只追问一件落在候选分歧点的经历"，是交互层面的决定（额度按 09-26「定向追问 2 条」），本研究给不出精度理由。
• 六道题由线上矩阵出一次、各方案共用；已验证按方案矩阵重出题结果相同。
• 大运边界邻近项按线上原样附加、未重加权（R-A 判负后无需再测）。
• 本机无 .venv，用系统 python3；frontend/node_modules 为软链，未入库。

Claude 验收（2026-09-30，判定阶段）

• 我在子代理写文档前先从原始 JSON 独立读数：R-A 三变体留一法头名三档全低于基线、A3 percent ±10 覆盖 0.857；R-B 0.5 分覆盖不丢但头名降、2 分把 ±30 覆盖压到 0.43；R-C 只有 15/25/37 例可追问、±10 微利 n=15。与执行方报告一致。
• 复跑：三份 v5 JSON 与 _rerun 副本我自己 cmp 逐字节一致（21:11 / 21:58 两次运行）。
• 范围：scripts/rectification/、事件引擎、frontend/ 零改动；完整性门禁、隐私守卫、研究测试 22 passed。
• 备注：结果 JSON 的 verdict 字段保留 see_report，判定以 hard_line_1 字段与报告 §2.2 / §3.1 / §4 为准，可接受。
• 结论：三项 no_benefit 成立，BUG-1091 closed_by_design，BUG-560 维持 blocked。打分层研究到此关闭；后续方向是产品口径（以分盘上升为目标的「盘型选择」），另立单。
• 补充测量（Claude 09-30，scratchpad chart_configs.py / v5_intervals.py，未入库）：v5 六题后 ±10 交付区间内 D1 单一 75/77；D9 ≤2 种 68/77、多数=真值 68/77；D10 ≤2 种 63/77、多数=真值 65/77；±30 起 D9/D10 ≤2 种仅 24/22 例。数字将随「盘型口径」任务书入库。