未训练参考
原始 Qwen 直接参加共同测试，提供起点。
实验记录 / 2026 年 11 月 5 日
50 题已补齐，
先修正取料差异。
旧最佳纠错模型的完整 50 题结果已经保留。案例分析发现：训练预先给材料、禁止补领，测试却从空背包开始。新实验也有这个差异，已按用户决定暂停，显卡已关闭；现在离线统一五组的规则，修订完成前不开机。
01 / 运行顺序
三段任务，各自留结果。
补测沿用旧模型；新训练从原始模型开始。旧结果不会被新实验覆盖。
- 01 · 已完成
旧最佳模型补齐 50 题
保留已做的 30 题、90 份回答，只新增 20 题、60 份回答。不训练，不请老师。
50 题 · 150 份 - 02 · 用户决定暂停
原四组训练与测试
新收 46 份回答、8 次老师调用均保留，尚未更新模型。先在离线环境修正种子、普通训练与出题任务的取料规则，再重新开始。
新条件答卷单独收集 - 03 · 一起修订，尚未开始
Qwen 自己出题与补救
第五组同样改为空背包和官方取料规则。以后只复用修订后、相同原始模型的首轮种子回答，不借老师题、老师示范或学过的权重。
同一批 30 题测试
02 / 已完成的正式补测旧最佳组的 50 题，
旧最佳组的 50 题，
现在有完整答案。
模型没有再学习。三行用的是不同范围的题，不能把分母变化误当作训练退步。
| 题目范围 | 随机作答 | 固定作答 | 用途 |
|---|---|---|---|
| 原共同 30 题 旧成绩，原样保留 | 34 / 6056.7% | 15 / 3050.0% | 仍与旧实验其他组比较 |
| 完整 50 题 11 月 5 日补齐 | 50 / 10050.0% | 24 / 5048.0% | 描述旧最佳组的更大测试范围 |
| 新增的 20 题 只看补做部分 | 16 / 4040.0% | 9 / 2045.0% | 解释 30 题与 50 题比例为何不同 |
怎样看起点
同一批题，也要先看作答条件。
旧实验内部可比 · 共同 30 题
原始 Qwen：随机 27 / 60、固定 15 / 30
旧纠错版：随机 34 / 60、固定 15 / 30
仅作参考 · 历史 50 题
原始 Qwen 的历史答卷：随机 46 / 100、固定 24 / 50
旧纠错版补测：随机 50 / 100、固定 24 / 50
旧实验共同 30 题使用当时的作答说明，不能直接充当本轮五组的起点。历史 50 题的原始模型结果也不是本轮新参考组成绩；新五组将重新完成同一批 30 题测试。
03 / 这轮比较什么出题与补救交还 Qwen，
出题与补救交还 Qwen，
考试保持不变。
五个版本最终都用预先固定的同一批 30 题，每题两次随机、一次固定。第五组增加 90 份测试回答，五组总计 450 份。第五组同时改变出题和补救的来源，不能从一次比较中单独归因哪一步起作用。
普通训练
练官方训练题，衡量多练题本身的作用。
Wide＋Deep
老师根据学生错误与长期表现提出新题，环境筛选。
再加完整纠错
同样出题；老师提出补救，环境验证后再让学生学习。
Qwen 自己完成
Qwen 自己提出 Wide、Deep 题与失败补救；环境负责验证，不用老师补齐。
- 01
从真实回答找练习方向
Wide 围绕有错的题扩展；Deep 对一直错、一直对和长期变化的题分别考虑降难、回考或升难。
- 02
先验题，再看八次作答
环境检查目标能否完成、指定能力是否必经、难度变化是否符合方向。八次中成功 1–7 次的新题才入选，最多再改题补一批。
- 03
不足就如实少练
合格题不够，保留差额记录，按实际入选题数完成整轮学习；不会借用老师出的题或老师示范。
- 04
失败后自己提补救
Qwen 查看完整失败经过，最多提出三条路线。环境重放后，只有实际完成原目标且经过验证的执行片段进入学习；提案里多写但没有执行的尾部动作不会进入学习。没有合格路线就跳过这部分。训练时第一步的简短自查由程序根据真实失败反馈和验证过的动作整理，不是 Qwen 原话，也不是老师示范。
修订进展结果留下，
结果留下，
统一条件后再开始。
已经完成
旧最佳组 50 题补测、逐题分析和全部旧模型保留。显卡已停，新的 46 份回答归档为旧条件记录，不重复补测。
正在离线修订
种子、普通训练和 Wide／Deep 都改为从空背包准备原料，检查取料和补足数量能否真正进入学习。旧版本通过的检查不能代替这次修订的验收；目前还不能开机。
保留的早期进度：00:53:12 时，20 道种子首答收齐，13 对、7 错，老师完成至少 2 次调用。随后继续到 46 份回答、8 次调用，于 01:08:39 按用户决定暂停；这次暂停不是程序崩溃。