同样的环境与要求
所有组都可以根据已看到的拒绝反馈简短检查，再给一个动作。没有撤销功能，库存不会恢复，每题最多 24 步。
为什么要改旧实验有一点进步，
旧实验有一点进步，
但错误会被带进成功答卷。
旧版随机作答：34 / 60，高于原模型的 27 / 60；固定作答同为 15 / 30。不能据此说改进已经稳定。
投掷器真实答卷：木棍被环境拒绝后仍反复索要，24 步耗尽，没有完成目标。
查看 11 月 2 日的全部旧结果与逐题分析 →主实验 · 四个版本
四组比较什么
训练题量上限和筛选规则对齐，实际入选数量另行记录。最后一组与 Wide＋Deep 用同样的课程，再单独加入老师的完整补救教学。
未训练原模型直接测试看清起点
普通训练练预选的官方题衡量多练题的作用
Wide ＋ Deep按错误与长期表现安排题检验针对性课程
再加完整纠错额外学习老师的现场补救检验能否停止重复失败
N不学习的参照
未训练
原模型直接参加共同测试。
这一组做什么
使用同样的答题要求和测试题，但不参加本轮训练。
回答的问题训练后的变化，是否真的超过原模型？
R控制多练题的影响
普通训练
练预选的官方训练题，不根据本轮错误换题。
这一组多了什么
20 道种子题照练，再加入官方训练题。新题也要通过环境检查和八次试做，实际练习数量尽量与方法组接近。
回答的问题如果主要是多练题，会提高多少？
WD检验课程安排
Wide ＋ Deep
错在哪里，就围绕哪里换题；长期太难或太简单，就调难度并回考。
这一组多了什么
老师先看一份作答开始诊断，八份补齐后决定选题：Wide 围绕错题扩展；Deep 对一直错的降难，对稳定全对的升难，并追踪以前错、后来做对或做成却仍反复出错的题。新题同样要通过筛选。
回答的问题针对表现安排练习，是否胜过普通换题？
WD＋C本轮重点
Wide ＋ Deep
＋完整纠错
选题和主练与 WD 相同，再学老师怎样从真实错误处补救。
这一组独有的增量
老师看完整失败过程，把补救放回出错时的材料和步数中验证。若现场能补救，学生学习直到完成原题的全部必要后续动作；否则只学提前避错的少数关键动作。
回答的问题完整补救教学，能否让学生停止重复无效动作并提高完成率？
WD 与纠错组在首次纠错前共用题单和回答；之后各自训练、出题。普通组练不同的题，但尽量匹配题数。纠错组额外请老师提出方案，费用单列。旧最佳模型另补 20 题、60 份作答，作为历史补测，不计入这四组。
投掷器 · 真实问题与本地回放
木棍被拒后，到底要教哪一段？
左边是旧版纠错组在测试中的真实失败。右边是新版在本地受控案例中验证的教学材料，不是新版 Qwen 的测试成绩。
旧版纠错组 · 真实测试答卷
同一个错误，耗尽剩余步数
- 第 1 步领取 1 份红石成功
- 第 2 步索要木棍被拒绝
- 第 3 步领取 1 份圆石成功
- 第 4–24 步继续索要木棍持续被拒绝
总计 22 次木棍请求被拒，目标未完成。
新版 · 原环境受控回放
从较早的真实失败处，走完整条路
- 回到第 4 步保留已有红石和圆石，看到木棍再次被拒不撤销已发生的事
- 改正动作 1改领还缺的 6 份圆石环境接受
- 改正动作 2制作投掷器原目标完成
训练材料呈现“发现拒绝 → 改计划 → 执行 → 完成”的连续过程。
这里的“回退”是什么意思？
训练时把老师的方案放回较早的真实失败状态重放，检查能否在当时的材料与步数内完成原题。正式测试不给学生一键撤销；它仍要在当前状态里自己发现错误并补救。
仅纠错组增加老师有两条教学路线，
老师有两条教学路线，
现场补救优先。
两条路线都要经原环境验证能完成目标，但教给学生的内容不同。完整逐步教学只用于已发生错误之后的现场补救。
路线 A · 优先犯错后，继续补救
保留真实被拒动作、已领材料和已用步数，从当时状态改道。若环境验证能完成原目标，就按顺序教每个必要的后续动作；第一步明确对应已看到的拒绝。
本轮改进：不再把验证过的完整后续截成最多三个学习动作。路线 B · 退路犯错前，提前避开
只有没有合格的现场补救时才采用。保留错误前的真实状态，换一条经环境验证可完成原目标的路线；学生仍只学老师点名且验证过的 1–3 个关键动作。
它不是“看见拒绝后再改计划”的完整教学。路线 A 如何教
让学生看到整段，而不是三个片段
旧版虽验证了完整补救，用于学习时却只取最多三个动作；新版让完整验证结果进入同一次纠错学习。
- 1
看完整失败
老师看到真实动作、库存、环境反馈与最后是否完成。
- 2
从失败处重放
若老师指到第 23、24 步太晚，尝试更早的同类真实失败点；不重置材料。
- 3
由环境筛选
只有每个补救动作都有效、目标真的完成、指定能力确实用上，路线才入选。
- 4
按顺序教完整路线
首步明确对应已看到的拒绝，后续逐步看到前一动作的真实反馈，不截断必要动作。
每个失败目标最多请老师给三个方案：通常两次尝试现场补救、一次尝试提前避错；没有可保留的真实拒绝时，改试提前避错。只选一条经环境完成原题的路线；没有合格路线就不教这题。学生正式答题不额外调用老师，也不因写反思得分。
看已经验证到哪一步 ↓把“写好”与“学会”分开
这版现在能证明什么？
先确认训练材料确实包含关键过程，再用新训练后的真实答卷判断学生有没有学到。
真实环境中的补救已验证
木棍循环的受控失败答卷在原环境执行；较早失败点的补救能完成投掷器。另一道真实种子题从被拒动作后改道，两步完成目标；四个必要动作的案例也不会再被截成三个。
训练包与完整流程已验收
冻结包通过 208 项不同测试和 10 个子情形；包外新增 2 项定向检查。用可控的老师回复和学生动作，真实环境接受补救，小模型实际学习并保存；下一轮读取该模型，跨进程重启不重复工作。三个训练组各跑三轮，四组的 360 份最终测试流程也完成。
这是流程验收，不是新版 Qwen 的训练成绩；显卡仍未启动。查看验收摘要 ↓新版 Qwen 结果尚无
还不能说学生已学会停止重复。正式测试要同时看完成率、同库存重复被拒次数，以及被拒后下一步是否真正换了做法。
下一步判断标准纠错组应比同课程的 WD 组更少重复被拒，同时不能用完成率退步来换取“更少犯错”。
保留全部历史记录
旧成绩仍在；新结果会另记。
11 月 2 日的七个训练组、900 份测试及逐题分析都保留。11 月 3 日的上一个准备版本也保留为历史安排，不充当这版的正式成绩。