先做一份，开始诊断
老师工作时补齐八份，全部成败都参与后续选题。
RESULTS → ANALYSIS → REVISION
本地准备完成 / 等待用户开机新方法合并完成，
把重复工作省下来。
保留新题筛选，加入错误后的简短自查；首轮相同题单与回答共用，纠错后各自继续。先补旧最佳组完整50题，再做本轮四版本比较。
旧实验900 / 900原结果保留
合并代码193 项通过实际安装完成
新实验等待开机尚无新正式成绩
本次实验安排四个版本，三轮，
四个版本，三轮，
相同部分先复用。
三个训练组：20道种子，每题八份，每轮合计最多60题。种子与复习题、新题分别匹配数量，整轮收齐后一起训练。
| 版本 | 做什么 | 比较什么 |
|---|---|---|
| 未训练参考 | 原模型不训练，使用共同作答说明测30题 | 学到了多少 |
| 同题量普通训练 | 固定种子加官方训练题，采用相同新题筛选与候选上限 | 是否只是多练题的收益 |
| Wide＋Deep | 按完整八份表现出题，保留卡点、调难和回考 | 课程安排是否有效 |
| Wide＋Deep＋纠错 | 同样选题，主练后学习原题中实际成功的补救 | 加入纠错后是否更可靠 |
出题后筛选
先确认能完成、能力必要、方向正确；八份中成功1–7份的新题入选，最多改题补一批。
整轮匹配与主练
三组匹配题量，直接用已收集回答一起学习。
纠错组学习补救
保留真实错误和材料消耗，回原题完成目标，再学习有用改正与简短检查。
各自进入下一轮
第一次纠错以后，两个方法组根据各自模型表现出题和作答。
所有版本使用同一作答接口：错误后可简短检查再给一个动作。不撤销环境、不额外调用模型，仍最多24步。最终四个版本共同测30题，每题随机两份、固定一份，共360份。
整场规划
约 21 小时先补旧测试，再完成新三轮和共同测试
中间场景约21小时，候选较少约13小时。若候选额度全用满、任务更慢且新回答耗时翻倍，压力场景约91小时。按旧费率每小时1.79美元，分别约38、22、163美元；老师与存储另计。
预算计入被筛掉候选、出题、学习、纠错、保存和测试；新自查耗时尚未在目标显卡实测，首轮复用也没有直接折成整场提速。开机后用真实完整题更新剩余时间。
减少重复工作旧材料接着用，
旧材料接着用，
同一首轮只做一次。
沿用20道种子、50道测试题、240道普通组候选与验题记录。已有的原模型和运行环境继续使用。
90 份旧测试回答保留
320 份首轮种子少重复做
≤ 640 份首轮候选少重复做
0 次入选后重新作答
两个方法组共用首次纠错前的题单、候选和完整回答；学习分别进行，后续按各自模型继续。模型不同、作答说明不同的旧回答不混入新训练。完成的答卷和阶段模型作为接续点，不逐动作保存。
新增改动看见错误后，
看见错误后，
把下一步改对。
检查和动作放在同一次回答里。只执行一个动作，成功仍由原题环境判断。
例如投掷器题已经有1份红石和1份圆石，但制作需要7份圆石。模型应检查缺少的数量，补6份圆石后继续制作；不用丢掉已有材料，也不能把已经消耗的材料当作还在。
纠错学习保留实际错误后的状态。方案真正完成原目标后，才从有效改正中选取学习内容；每段成功补救至多附带一条有可见反馈依据的简短检查。反思文字本身不加分。
本地已验证环境执行、实际学习、长题和保存后继续。新实验将比较错误后是否换动作、是否减少重复错误，以及最后测试能否提高。
开机前准备最终合并版已检查，
最终合并版已检查，
启动包已独立安装。
本地检查覆盖本次方法、真实小模型学习、保存重载、三轮接续、旧补测衔接和最后共同测试。
| 范围 | 通过 |
|---|---|
| 共同说明、长题与新旧材料分开 | 26 |
| 完整作答、学习与保存 | 97 |
| 首轮课程与回答复用 | 7 |
| 旧补测、完整三轮与共同测试 | 5 |
| 安装、启动和失败处理 | 8 |
| 自主纠错、实际学习与接续 | 41 |
| 新题筛选、补题与匹配 | 9 |
本轮 193 项通过最终包实际解压安装通过旧材料保持不变
目标显卡的实际速度与显存、首次正式学习保存，开机后随必做工作确认。先补旧最佳组的20题，预计20–40分钟，15分钟查看首批产出。连续45分钟无进展会退出工作程序，Pod停机由唯一负责人操作确认。