# 本次实验与追加比较

七个训练组的 21 / 21 轮已完成。17:29 的记录中，WT、DT 各保存 84 / 90 份，均缺 6 份待补测；WDT 已保存 44 / 90 份并继续测试。加上基础模型已完成的 90 份，主测试合计保存 302 / 720 份答卷；独立小对照最近的已核对记录仍为 16:37:20 的 0 / 180。

## 已完成的共同测试

每个模型做相同的固定 30 题，每题随机作答两次、固定作答一次，两种方式分别计分。

| 模型 | 随机作答 | 固定作答 | 进度 |
| --- | --- | --- | --- |
| N · 基础模型 | 27 / 60（45%） | 15 / 30（50%） | 90 / 90，完成 |
| WT · 横向扩展 | 待补测 | 待补测 | 84 / 90，中断 |
| DT · 纵向调难 | 待补测 | 待补测 | 84 / 90，中断 |
| WDT · 两者结合 | 测试中 | 测试中 | 44 / 90 |

其余四个主要模型待测试。WT、DT 都因较长题目的完整作答历史超过长度限制而中断，各保存 84 份答卷，合计还缺 12 份。主会话已完成本地修复，正在准备补测，只补缺失答卷。基础模型结果见[故障前记录](base-test-summary.json)，当前状态见[中断与补测记录](test-progress-1729.json)。

## 训练阶段记录


SCALE50 第三轮完成 84 题、672 份回答：50 道种子、25 道复习题、9 道新题。40 题有对有错、33 题八份全对、11 题八份全错；9 道新题中，4 道有对有错。6 道 Wide 题中有 2 道、2 道升难题均形成成败比较；1 道降难题八份全对。

固定 50 道种子从上一轮 279 / 400 变为本轮 279 / 400，其中 12 题进步、17 题退步、21 题不变；共同 75 道旧题由 402 / 600 变为 407 / 600。第三轮答卷在第三次学习前收集，反映第二轮最终模型；第三轮最终效果由共同测试衡量。整轮出题、作答、一次学习和保存用了 1 小时 47 分 46 秒。详见[扩大组第三轮记录](scale50-round-3-summary.json)。


REPAIR 第三轮完成 44 题、352 份回答：20 道种子、12 道复习题、12 道新题。18 题有对有错，新题中有 4 道。6 道 Wide 题没有一题形成有对有错；4 道升难题中有 3 道、2 道降难题中有 1 道形成比较。固定 20 道种子从 125 / 160 降到 118 / 160，共同 32 道旧题从 159 / 256 升到 164 / 256，两种范围的变化方向不同。

本轮围绕 23 个原目标提出 69 份纠错方案：47 份完成原目标，46 份有合格改正，覆盖 18 个目标。去重后，73 个动作进入学习。安山岩的一份现场补救完成了原题，但没有合格改正动作；书架的 3 份方案均未完成原题，完整红旗的 3 份均合格。

REPAIR 整轮用了 95 分 56 秒，主练和纠错各完成一次，两份模型已保存。第三轮答卷在本轮主练和纠错前收集，反映第二轮最终模型。第三轮最终效果待共同 30 题测试；老师方案成功不能代替学生独立作答的成绩。详见[REPAIR 第三轮记录](repair-round-3-summary.json)。

OPT 第三轮完成 44 题、352 份回答，17 题有对有错；12 道新题中，5 道有对有错。5 道 Wide 题中有 2 道、5 道升难题中有 3 道提供了成败比较；2 道降难题均为 8 / 8。固定 20 道种子由上一轮 125 / 160 变为 120 / 160，当前尚无稳定原题收益。这批答卷在第三次学习前收集；本轮模型已于 12:46:39 保存，第三次学习的效果待共同 30 题测试。详见[OPT 第三轮记录](opt-round-3-summary.json)。

OPT、REPAIR 第二轮各完成 40 题、320 份回答，分别有 17 道、15 道有对有错。两组共同 20 道种子都是 125 / 160；共同 30 道旧题分别为 182 / 240 和 178 / 240，暂未看到纠错组的优势。这些答卷反映第一轮学习后的表现。

REPAIR 第二轮 57 个纠错方案中，41 个通过；去掉重复项后，用 65 条合格改正动作学习一次。首轮红旗原题的 3 个老师方案都成功，但第二轮学生独立仍为 0 / 8；书架与两道新画题在第二轮没有修复成功。

SCALE50 第二轮为 50 种子 + 25 复习 + 0 新题，共 75 题、600 份回答，40 题有对有错。老师分组漏了一条诊断，整份分组被拒，55 份有效单题诊断未进入出题。已有题照常学习保存，但没有完成预期扩题，不能把少做题算成提速。共同 50 种子由首轮 271 / 400 变为第二轮 279 / 400，独立测试结果尚未出齐。

进度见[本次记录](run-progress-summary.json)，此前第二轮数据继续保留在[追加组记录](extension-round-2-summary.json)。

## 一共比较什么

| 名称 | 练什么 | 三轮题量 | 是否另做原题纠错 |
| --- | --- | --- | --- |
| N | 未训练参考，仅做相同测试 | 不训练 | 无 |
| WT | 原老师 Wide：从失败出发，换成同能力新目标 | 31 / 40 / 44 | 无 |
| DT | 原老师 Deep：逐题长期追踪，调整必要制作难度 | 31 / 40 / 44 | 无 |
| WDT | 原老师 Wide＋Deep，同轮换题和调难 | 31 / 40 / 44 | 无 |
| R | 与原三个老师组同题量的官方训练题 | 31 / 40 / 44 | 无 |
| OPT | 改进后的 Wide＋Deep 课程 | 31 / 40 / 44 | 无 |
| REPAIR | 与 OPT 相同课程规则和题量 | 31 / 40 / 44 | 每轮主练后 |
| SCALE50 | 改进课程，固定 50 种子 | 每轮最多 100 题 | 无 |

这些是八个主要模型。OPT 与 REPAIR 直接复用原 WDT 首轮的 31 题、248 份答卷和已经完成的主练。之后两轮按各自模型表现重新出题、作答和学习，各需 672 份新训练回答。它们同规则、同题量，后续题单并不相同。

SCALE50 从初始模型开始，保留原 20 道种子，再从官方训练池固定随机补 30 道，不根据模型或测试成绩选题。每轮最多 100 题、每题 8 份；三轮实际分别完成 75 / 75 / 84 题，共 1,872 份回答。每轮最多复查 25 道旧题。

SCALE50 的练习量更大，结果与增加的题量、时间一起报告。它不属于原四组的同题量比较。

## SCALE50 首轮完成了什么

首轮 75 道题中，37 道的八份回答有对有错，实际参与了这次学习。25 道新题中，13 道有对有错、9 道全对、3 道全错。

| 新题方向 | 题数 | 有对有错 | 八份全对 | 八份全错 |
| --- | ---: | ---: | ---: | ---: |
| 升难 | 9 | 6 | 2 | 1 |
| 降难 | 8 | 3 | 5 | 0 |
| Wide 换题 | 8 | 4 | 2 | 2 |
| 合计 | 25 | 13 | 9 | 3 |

这些回答全部由初始模型完成，收齐后才进行第一次学习。因此这张表说明首轮练习是否提供了成败比较；训练后的提升要看下一轮作答和共同测试。

50 道种子补齐八份后，30 道曾出现失败；只看首份会看到 16 道，补齐后多覆盖 14 道。另有 2 个已经没有升难空间的来源让出名额，没有为它们继续请求升难题。

整轮实测 1 小时 45 分 20 秒：出题与种子作答 66 分 23 秒，新题作答含准备约 21–22 分钟，答齐后学习与保存约 17–18 分钟。详细数值保留在[进度记录](run-progress-summary.json)。

## 每轮怎样进行

1. 种子和选入的复查题先各做 1 份，送给老师诊断。老师工作时补齐另外 7 份，首份计入这八份，不重复做。
2. 新课程在八份补齐后补全失败覆盖：首份碰巧正确、后来出现错误的题也进入诊断。使用已有回答，不增加额外摸底。
3. 老师围绕共同错误和能力要求成批出 Wide、Deep 题。两种方向在同一轮进行。
4. 候选通过必要验题后，按约定题量选入。满足所需合格题数就停止尚未发出的出题请求。
5. 所有选入题各收齐 8 份回答，再把整轮答卷统一主练一次。有对有错的题提供成败比较；收集过程中不改变模型。
6. 仅 REPAIR 在主练后收集原题改正，整轮合格动作收齐后最多再学一次；没有合格改正就跳过。
7. 保存本轮模型、答卷与逐题经历，再进入下一轮。三轮后做共同测试。

原四组已按原安排完成三轮，训练、答卷和逐题记录都保留。新增两组首轮主练共用，REPAIR 已在这份首轮主练后完成第一轮纠错；之后两轮各自继续。

## Wide、Deep 和纠错分别做什么

Wide 从至少出现一次失败的题出发，生成同能力、难度接近的新目标。全对题不作为来源；新课程优先从有对有错的题扩展，把练习机会放在当前能形成学习比较的位置。

原 Deep 的升难条件是：同一道题在模型更新后，从之前有错变成八份全对。新增课程全错时降难；全对时先回考同能力尚未解决的题，再考虑升难；简单题出现成功后优先回原难题，退步题优先复查。已无合格升难空间的题让出名额。

简单题做对，不把原难题记成学会。每道题历次的八份表现、难易分支、来源和回考安排持续保留；三轮最多观察两次轮间调整。

纠错看完整失败经过，参考已经做成的同能力任务，找到需要改的动作，再回原题的原材料、原配方和原额度实际执行。只有原目标真正完成、所练能力确实参与、改正动作有用，才作为学习材料。不会把简单题额外材料带回原题。

只学习实际执行、帮助原目标的改正动作；不学习反思文字、未变化的正确动作、无关生产或未执行的后续。纠错材料与原八份答卷分开，原八份成绩仍由学生原始成败决定。

## 哪些验题要求继续保留

训练与测试分开，原 50 个测试目标全部保护。新题使用官方训练目标，不更改原配方与世界规则，不在开局赠送目标或绕过所练能力。

父题和新题必须在 24 步内真正做成。Wide 必须换目标，必要能力链深度差不超过 1，最少动作差不超过原题最少动作的四分之一向上取整、至少容许一步。Deep 升难要让必要能力链严格变深且最少动作不减少；降难反向成立，已经一步的题不硬降。

这些要求判断题目是否符合设计。新题能否让学生产生有对有错的回答，要看下一轮正式作答。

## 独立小对照

使用原 WDT 首轮相同的 31 题、248 份答卷，比较总共学 1 次与 4 次。1 次模型直接复用，另一个只追加 3 次学习，不重新生成训练答案。

两份首轮模型另测相同的 30 题、每题 3 份，共 180 份。这个对照只看同一批材料多学几次的作用，单独报告，不作为第九个三轮组。

## 最后测试

八个主要模型共同完成固定 30 道官方测试题，每题 2 份随机作答、1 份确定作答。每模型 90 份，主比较共 720 份；独立小对照另 180 份，全部测试共 900 份。

30 题按制作深度四档选入 10 / 11 / 8 / 1 题，不按模型成绩选题。其余 20 道测试题不自动追加，但全部 50 个测试目标继续与训练隔离。旧 base 的提示和作答安排不同，保留作历史参考，本次 N 重新做相同 30 题。

最终一起看独立测试、原失败修复、无参考时原题表现，以及练习题量、耗时和老师费用。修复成功数与训练题表现分别记录。

## 原实验已经得到的记录

原四组首轮各 31 题、248 份答卷，第二轮各 40 题、320 份答卷，第三轮各 44 题、352 份；十二次学习后的模型均已保存。详情保留在[首轮记录](round-1-summary.json)、[第二轮记录](round-2-progress.md)和[第二轮出题覆盖](method-coverage.md)。

WT 第三轮已完成学习并保存。该轮收集的 44 题中，19 题有对有错，15 题八份全对，10 题八份全错。同一批 40 道旧题在第二轮学习前答对 196 / 320，第二轮学习后重做答对 194 / 320；这是训练题重做，独立测试结果尚未出齐。

DT 第三轮已完成学习并保存：44 题、352 份回答，27 题有对有错，15 题八份全对，2 题八份全错；20 道种子答对 121 / 160 份。

WDT 第三轮已保存：44 题、352 份回答，19 题有对有错，19 题八份全对，6 题八份全错；种子答对 120 / 160 份。新加入的四道题中，三道更难题各答对 0 / 8，一道更简单题答对 8 / 8。

R 第三轮已保存：44 题、352 份回答，21 题有对有错，18 题八份全对，5 题八份全错；种子答对 120 / 160 份，三轮依次为 121、120、120 / 160。

所有第三轮答卷均在第三次学习之前收集，只反映完成前两次学习后的表现。共同 20 道种子上，WT、DT 各 121 / 160，WDT、R 各 120 / 160，当前表现接近；其余训练题不同，全批答对总数不能用于组间排名。三轮学习后的共同测试已经开始，完整结果仍待回收。

原四组三轮累计使用 3,680 份训练回答；首轮种子共用节省 480 份，实际已生成并保留 3,200 份。再加原五模型计划的 450 份测试，原范围共需 3,650 份。网页原四组控件仍展示 40 / 60 / 60 上限：最多 4,640 份训练回答，加 450 份测试为 5,090 份。控件不包含新增三组和小对照，也不改变正式安排。

## 剩余用时

WT、DT 测试中断后，故障前按基础模型完整测试耗时推算的完成时间已撤下。待补测恢复后，结合实际耗时重新估计。

21 轮训练和保存的模型不变。已有答卷和中断记录保留，WDT 继续测试。用时说明见[当前记录](budget-3-rounds.md)，完整安排见[下载](extension-plan.json)。