纠错版：学会一题，又丢了一题。
相对原模型，丛林木楼梯从固定作答失败变成成功；投掷器则从成功变成失败。固定总分仍是 15 / 30。
随机作答有 7 题进步、1 题退步，多对 8 份、少对 1 份，净增 7 份。相对同样改进但不纠错的版本，则净增 4 份随机成功和 1 题固定成功。
← 回到实验首页实验已完成 · 共同 30 题
RESULTS → CAUSES → NEXT EXPERIMENT
为什么多练了，
提升还不稳？
纠错让正确答案出现得更多，但常用的做法仍会出错。扩大题量增加了学习材料，却没有解决练习衔接、错误重复和进退步抵消。
01 / 纠错的局部收益45% → 56.7%
随机作答提高；固定作答仍为 50%。
02 / 扩量没有转成优势48 → 117有对有错的题次增加，最终两种成绩各少一份成功。
03 / 下一轮的重点把练习接回原题练真正卡住的步骤，学会改法，再检验是否保住旧能力。
第一项比较纠错版与原模型，第二项比较 50 道种子版与改进联合版。以下所有成绩来自已完成实验；下一轮改进尚未运行。
01 / WHAT ACTUALLY CHANGED
先把成绩放在同一个尺度上。
七个训练组均完成三轮。八个主模型共 720 份答卷；学一次与四次的补充比较另有 180 份。
随机作答固定作答
原模型N
WideWT
DeepDT
原联合WDT
普通训练R
改进联合OPT
改进联合＋纠错REPAIR
50 道种子版SCALE50
随机的 60 份，不能和固定的 30 份直接比数量。
每题随机作答两次、固定作答一次。随机分数把两次回答全部计入，没有取两次中的最好结果。随机收益也必须和原模型的随机成绩比较。
本次从原 50 题中预先固定选择 30 题，四档难度分别为 10、11、8、1 题。其余 20 题按原安排以后补测。
目前的结论
纠错版最值得继续研究。原联合版与原模型持平，扩大组没有优于 20 题版；这次尚未显示稳定的整体提升。
查看八组的完整数字
| 版本 | 随机作答 | 固定作答 | 相对原模型：随机 / 固定 |
|---|---|---|---|
| 原模型 | 27 / 60 · 45.0% | 15 / 30 · 50.0% | +0 份 / +0 题 |
| Wide | 30 / 60 · 50.0% | 14 / 30 · 46.7% | +3 份 / -1 题 |
| Deep | 30 / 60 · 50.0% | 14 / 30 · 46.7% | +3 份 / -1 题 |
| 原 Wide＋Deep | 27 / 60 · 45.0% | 15 / 30 · 50.0% | +0 份 / +0 题 |
| 同题量普通训练 | 28 / 60 · 46.7% | 14 / 30 · 46.7% | +1 份 / -1 题 |
| 改进 Wide＋Deep | 30 / 60 · 50.0% | 14 / 30 · 46.7% | +3 份 / -1 题 |
| 改进 Wide＋Deep＋纠错 | 34 / 60 · 56.7% | 15 / 30 · 50.0% | +7 份 / +0 题 |
| 50 道种子版 | 29 / 60 · 48.3% | 13 / 30 · 43.3% | +2 份 / -2 题 |
02 / FROM OCCASIONAL SUCCESS TO RELIABLE ACTION正确路径出现得更多，
正确路径出现得更多，
常用路径仍会出错。
固定作答总分不变，并不代表每道题都没变。新学会的题与新做错的题可以恰好抵消。
训练可能改变了“有多大机会做对”，还没稳定改变“最常怎么做”。
训练中的回答带随机性。让某些正确做法更容易出现，未必立即改变固定作答最常选的动作；一旦走进错误循环，随机作答又有机会换一条路。
本次没有保存最终测试的完整选择概率。这个解释要靠下一轮少量关键状态的对比确认，不能仅凭分数认定。
真实答卷 / 投掷器
同一个纠错模型，既能做成，也会连续索要不需要的木棍。
- 领取 1 份红石
- 领取 7 份圆石
- 制作投掷器
- 第 1、3 步分别领到红石、圆石
- 第 2 步及第 4–24 步索要木棍
- 环境拒绝，仍继续同一操作
- 一份绕了很远，直到第 23 步才做成
- 另一份补齐红石和圆石，第 6 步做成
原题所需材料里没有木棍。这次退步表现为选错动作、失败后不调整，不能简单理解成“整个制作能力消失”。
收益确实包含新突破：蓝色玻璃板、丛林木楼梯、黄绿色羊毛在原模型三份回答中全错，纠错版分别成功 1、3、1 份。但 34 份随机成功中，仍有 25 份出现过操作失败，做对不等于过程已经熟练。
03 / WHY MORE DATA DID NOT WIN更多材料是真的，
更多材料是真的，
没转成优势也是真的。
50 道种子版相对改进联合版，随机少对 1 / 60，固定少对 1 / 30。差距很小，不能据此推出“加题普遍有害”。
| 三轮合计 | 20 道种子 · 改进联合 | 50 道种子 · 扩大版 |
|---|---|---|
| 各轮题数 | 31 → 40 → 44 | 75 → 75 → 84 |
| 全部回答 | 920 份 | 1,872 份 |
| 有对有错的题次 | 48 / 115 | 117 / 234 |
| 主学习调整次数 | 3 次 | 3 次 |
| 最终随机成功率 | 50.0%（30 / 60） | 48.3%（29 / 60） |
| 最终固定成功率 | 46.7%（14 / 30） | 43.3%（13 / 30） |
“题次”按轮计数：同一题两轮都参与，就计两次。全对或全错题在主学习中已跳过，不会作为零分材料稀释平均值；它们主要消耗作答时间和题目名额。
扩大组第二轮没有完成预期扩题。
老师分组漏了一条诊断，整份分组被拒，55 份有效单题诊断没有进入出题。这轮仍完成 50 道种子和 25 道旧题的学习，但新题为零。因此，这次不能代表修好流程后的完整扩量效果。
新增练习补回了旧题失去的机会，没有推动难题继续前进。
最后一轮新增 9 题，只有 4 题有对有错；原 75 题中，这类题从 40 道降至 36 道，合起来仍是 40。旧题中原本至少成功过一次的题从 68 道降到 65 道。新题里仅增加起始铁锭数量的铁粒题，仍是一步完成、8 / 8 全对。
进步被退步抵消，种子题总分停在原地。
扩大组第二轮学习前后，同一批 50 道种子多对 24 份，又少对 24 份，仍是 279 / 400。全部 75 道旧题多对 43 份、少对 38 份，最后只增加 5 份。闪长岩台阶曾从 8 / 8 降到 5 / 8，再回到 8 / 8；单轮下降也可能包含作答波动。
更多材料被合并到相同的三次调整里，题目组成也变了。
学习确实发生了，但回答多一倍不等于模型多练一倍。当前按整轮材料平均后调整，更多题主要改变这次调整的方向。50 道种子包含原 20 道，加上固定随机补入的 30 道；数量和能力分布同时变化。是否学得太轻、不同题互相干扰，需要分别比较。
两处固定退步，都还有随机成功。
扩大版的投掷器和磨制黑石，固定作答失败，两次随机作答却都成功。磨制黑石的固定回答反复用错配方数量，耗尽 24 步；其中一份随机回答只用两步完成。优先修动作选择与反馈使用，比直接继续加题更有依据。
04 / WHERE THE LEARNING OPPORTUNITY IS LOST出题、学什么、学多少，
出题、学什么、学多少，
是三个不同的问题。
题目能完成、能力没有被绕开、难度方向正确，仍不保证它适合当前学生，也不保证学到的内容会回到原题。
书架：从“会造纸”到“备齐三本书”，中间还缺练习。
早期简化题直接给纸，绕开了暴露的难点。后来的扩大组已经改成用甘蔗造纸、再做一本书，结果 8 / 8；原书架在三轮训练前的作答中均为 0 / 8。
保存的后期失败经过显示，学生能做纸、皮革，也做出过书，后来因数量不足反复失败。真正需要的是多份材料的筹备和完整次序。原题已有回考，缺的是从两步练习走向约十二步原题的过渡。
整题成败，没有告诉模型究竟哪一步该改。
对有对有错的题，成功回答里的全部动作都受鼓励，失败回答中已做对的准备动作也一起受压低。长回答包含更多学习项，重复失败可能占去更多份量。
这能解释为什么应检查学习方式，却还不能证明它是退步的唯一原因。下一轮应比较每份回答如何分配学习量，以及只学有效改正能否改善结果；最终奖励继续由原目标是否完成决定。
下一轮应补的过渡 / 示意，尚无学生成绩
造纸，再做一本书已有简单题会做
连续备齐多本书保留造纸与数量筹备
完成原书架回原材料、原规则检验
只帮助非卡点材料，逐渐撤掉帮助；每道过渡题仍要通过可完成、能力必要、难度方向的验证。
已经做过的小对照
同一批材料学四次，改善仍然很小。
固定第一轮 31 题、248 份回答，不新增答卷。学 1 次 → 4 次：随机 28 → 29 / 60；固定 15 → 16 / 30。随机有 5 题进步、4 题退步，最后净增一份。
多学并非无效，但不能把全部问题归给“每轮只学一次”。这项比较使用首轮材料，不能代表更大课程或其他学习安排都已得到验证。
同一批材料
补充训练阶段含准备与保存，共 27 分 49 秒。
| 次数 | 随机 | 固定 |
|---|---|---|
| 1 次 | 46.7% | 50.0% |
| 4 次 | 48.3% | 53.3% |
Wide＋Deep 的效果不会自动相加。
原联合版第二轮 9 道新题中有 6 道全对；第三轮 4 道新题是 3 道全错、1 道全对，没有一道提供主练的成败比较。固定总名额下，两类练习还会分摊机会。下一轮按真实薄弱点和预期学习价值分配名额，不能只满足两类题都有。
纠错目前验证的是完整方案，收益来源还要拆开。
纠错组三轮分别学习了 49、65、73 个合格动作，多了三次学习，后续又独立出题。下一轮保留这种自进化比较，同时用相同首轮材料做一个等学习量的小对照，区分“额外学了”与“学的是关键改正”。
三轮只给课程两次根据学习反馈改题的机会。
改进联合与纠错组复用原联合的首轮主练，新的出题安排实际只在后两轮展开。当前结果还不能判断更长的自进化是否有效。先让短程实验出现可重复净收益，再单独比较增加轮数；第三次训练后的效果看最终共同测试，不能用第三轮训练前的答卷代替。
05 / THE MOST CONCRETE FAILURE收到失败反馈后，
收到失败反馈后，
经常没有改变下一步。
八个主模型的 11,040 次操作中，7,767 次被环境拒绝；其中 4,396 次是在相同库存下再次提交相同失败操作。失败题会做满 24 步，因此这里是动作统计，不是计算时间占比。
| 真实失败 | 为什么没前进 | 下一轮在训练题上练什么 |
|---|---|---|
| 砖墙：连续 24 次索要砖块 | 把必须制作的物品当成可以直接领取的材料 | 领取被拒后，回到前置制作 |
| 漏斗矿车：四块木板，反复做箱子 | 所需八块木板没有备齐，仍重复制作 | 对照库存补齐数量，再继续 |
| 投掷器：反复索要木棍 | 当前动作不服务原目标，失败后也没重新选择 | 从目标反推必要材料，学会换做法 |
| 丛林木楼梯：已有原木，却没多做木板 | 补错了材料层级，木板仍不足 | 把已有原料加工到真正缺少的材料 |
六题所有八组都未成功：红砂岩墙、砖墙、棕色地毯、红石比较器、蓝色地毯、漏斗矿车。下一轮从训练集中的同类错误设计练习，测试题继续留作检验。
纠错已经出现一个具体好例子。
丛林木楼梯中，两版前四步相同：造出四块木板，发现不够，又领取原木。原模型此后继续尝试用不足的木板做楼梯；纠错版第五步把原木再做成木板，第六步完成目标。下一轮应让这种“根据反馈补对步骤”的变化更多、更稳定。
不把所有重复操作直接截停：原模型做磨制黑石时，曾在重复错误后于第 15 步成功，纠错版一份投掷器回答在第 23 步成功。应训练模型减少重复，保留既定的测试规则。
06 / LOOK QUESTION BY QUESTION
把进步和退步分别展开。
选择两个版本和作答方式，查看同一题的变化。随机一栏每题最多成功两份；固定一栏每题一份。表格使用全部 30 题。
默认比较：原模型 → 改进联合＋纠错，随机作答。7 题进步、1 题退步、22 题不变，净增 7 份成功。
| 题目 | 难度档 | 原模型 | 纠错版 | 成功份数变化 |
|---|---|---|---|---|
| 投掷器 | 1 | 2 / 2 | 2 / 2 | +0 · 不变 |
| 深色橡木板 | 1 | 1 / 2 | 1 / 2 | +0 · 不变 |
| 黑石楼梯 | 1 | 2 / 2 | 2 / 2 | +0 · 不变 |
| 平滑石英台阶 | 1 | 2 / 2 | 2 / 2 | +0 · 不变 |
| 磨制黑石 | 1 | 2 / 2 | 2 / 2 | +0 · 不变 |
| 砂土 | 1 | 2 / 2 | 2 / 2 | +0 · 不变 |
| 红石块 | 1 | 2 / 2 | 2 / 2 | +0 · 不变 |
| 钻石头盔 | 1 | 1 / 2 | 2 / 2 | +1 · 进步 |
| 浮冰 | 1 | 2 / 2 | 2 / 2 | +0 · 不变 |
| 绯红木板 | 1 | 1 / 2 | 0 / 2 | -1 · 退步 |
| 蓝色玻璃板 | 2 | 0 / 2 | 1 / 2 | +1 · 进步 |
| 白色陶瓦 | 2 | 2 / 2 | 2 / 2 | +0 · 不变 |
| 淡灰色玻璃板 | 2 | 0 / 2 | 0 / 2 | +0 · 不变 |
| 蓝色陶瓦 | 2 | 2 / 2 | 2 / 2 | +0 · 不变 |
| 红砂岩墙 | 2 | 0 / 2 | 0 / 2 | +0 · 不变 |
| 丛林木楼梯 | 2 | 0 / 2 | 2 / 2 | +2 · 进步 |
| 磨制黑石楼梯 | 2 | 1 / 2 | 1 / 2 | +0 · 不变 |
| 砖墙 | 2 | 0 / 2 | 0 / 2 | +0 · 不变 |
| 红石灯 | 2 | 1 / 2 | 1 / 2 | +0 · 不变 |
| 紫色染料 | 2 | 1 / 2 | 1 / 2 | +0 · 不变 |
| 黑色羊毛 | 2 | 0 / 2 | 1 / 2 | +1 · 进步 |
| 錾制红砂岩 | 3 | 1 / 2 | 1 / 2 | +0 · 不变 |
| 末地水晶 | 3 | 0 / 2 | 1 / 2 | +1 · 进步 |
| 錾制石砖 | 3 | 0 / 2 | 1 / 2 | +1 · 进步 |
| 棕色地毯 | 3 | 0 / 2 | 0 / 2 | +0 · 不变 |
| 红石比较器 | 3 | 0 / 2 | 0 / 2 | +0 · 不变 |
| 蓝色地毯 | 3 | 0 / 2 | 0 / 2 | +0 · 不变 |
| 黄绿色羊毛 | 3 | 0 / 2 | 1 / 2 | +1 · 进步 |
| 蘑菇煲 | 3 | 2 / 2 | 2 / 2 | +0 · 不变 |
| 漏斗矿车 | 4 | 0 / 2 | 0 / 2 | +0 · 不变 |
交互数据未能读取。下表仍保留默认比较，也可下载完整逐题记录。
这些差异还需要怎样确认？
每种方法只完整运行了一次，每题只有两份随机答案。随机多对一份是 1.7 个百分点；固定多对一题是 3.3 个百分点，少数题就会影响排名。最高难度档只有一题。
按整道题配对的探索性检验中，纠错相对原模型的双侧值为 0.0625，相对改进非纠错版为 0.3594，尚不足以确认稳定优势。下一轮在训练集内部选方案，对入选方案做独立重复，再检查预定剩余测试题；不按这 30 题的分数反复挑设置。
07 / THE NEXT EXPERIMENT先把有效练习接成链，
先把有效练习接成链，
再扩大规模。
建议先保留 20 道共同种子、3 轮、每题 8 份、每轮总量上限 60 题。全部题收齐后统一训练；先验证改动，再增加题量或轮数。
已准备，尚未上实验
本地候选已合并材料说明、诊断与分组漏项修复、卡点保留、数量过渡、跨题成绩共享及作答并行改进。它仍需与完整代码组合；真实效果和显卡提速尚未测量。
不再把诊断和练习机会丢掉
使用完整八份表现，老师漏分一项时保留其他有效诊断；补齐真实可练的制作步骤。同类与跨类已有成绩一起看，减少重复出已经轻松全对的题。
看什么：漏掉的失败数、合格新题覆盖、实际有对有错的题量。Deep 练卡点，逐步回到原难题
全错时简化非卡点；简单题做对先回原题。原题仍全错，就从已会简单题增加一点必要制作或数量筹备，形成过渡。对已有正确做法的题，检查是否仍频繁出错，再决定升难。
看什么：原本全错题的突破、原题无帮助时的成功率、过渡题是否保留卡点。让学习更明确，也保住已有正确做法
先固定已有一批材料，分别检查长失败的学习占比、每份回答的权重，以及少量成功复习是否减少退步。最终成败奖励保持不变；不把这几项一次全改后只比较总分。
看什么：固定与随机两种成绩、进步和退步分别多少、重复错误是否减少。把纠错收益与额外学习分开
主实验仍按各自模型独立出题，检验完整自进化流程。另用相同首轮材料，比较等学习量的普通成功动作和合格改正动作；都在原题原条件下验证完成。
看什么：独立原题表现、共同测试、每份有效改正的收益与时间。速度优化继续保留，研究判断也继续保留。
首份答案先送老师，其余回答并行补齐；确定录用的新题可尽早作答。每题仍收齐八份，整轮再训练。只保留题目、完整答卷、关键结果和各阶段模型，不新增一轮摸底或逐步备份。验题结果复用，可完成、能力必要、方向正确、训练测试分离四项不删。
下一轮是否值得继续扩大，主要看：原本不会的题开始会，原来会的题保得住，而且未见题在固定和随机作答中都有可重复的净收益。
EVIDENCE & DOWNLOADS
结论能回到具体答卷。
根据已收回的完整测试、各轮学习记录、原题历史及实际学习方式整理。新页面没有重新训练、重新做题或改变已有结果。