Jyotisha/docs/research/rectification_offline_research_2026_09_26.md

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

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