# 新一轮实验组与复用安排

自主纠错与首轮复用已经合并，193 项本地检查全部通过。本轮保留以下四个版本，由同一个会话负责启动、监控和网页更新。

| 版本 | 训练安排 | 回答的问题 |
| --- | --- | --- |
| 未训练参考 N | 原模型不训练，使用本轮相同作答说明测试 | 新模型比原模型提高多少 |
| 普通训练 R | 20 道种子，加预先选定的官方训练题；采用相同的新题筛选规则 | 收益是否只是来自多练题 |
| Wide＋Deep | 老师根据完整八份回答选题；围绕失败拓展，并长期调整难度、回考原题 | 更合适的练习是否提高学习效果 |
| Wide＋Deep＋纠错 | 同样选题；整轮主练后，学习在原题中真正完成目标的改正 | 加入纠错后能否进一步提高，并减少重复错误 |

三个训练组都做三轮。每轮固定 20 道种子，每题八份，种子、复习和新题合计最多 60 道。各组分别匹配复习题数和入选新题数，整轮收齐后一起训练。

所有版本都允许在一次回答中简短检查已经发生的错误，然后给出一个动作。环境状态不倒退，材料不会恢复，仍最多执行 24 个动作。是否完成目标由环境判断。

新题先确认可完成、能力不能绕开、难度方向正确，再收齐当前模型的八份回答。成功一至七份才入选；全对或全错最多调整任务补一批。普通组使用相同规则。入选回答直接用于学习，未入选回答保留并计入成本。

## 开机后的顺序

1. 先补旧最佳纠错组的完整 50 题：保留原 30 题的 90 份答卷，只补缺少的 20 题、60 份。沿用旧模型、旧题单和旧作答说明。
2. 完整补测结果保存后，运行本轮三个训练组的三轮学习。
3. 四个版本都测试预先固定的共同 30 题，每题随机两份、固定一份，共 360 份。其余 20 题以后另行安排。

本次不自动增加轮数，不重新运行旧的单独 Wide、Deep 或 50 种子组。

## 哪些材料直接复用

| 已有材料 | 本轮怎样使用 | 节省的重复工作 |
| --- | --- | --- |
| 原模型与运行环境 | 沿用 Pod 上已经迁移的文件 | 不重新下载、安装模型 |
| 20 道种子、原 50 道测试题 | 沿用完整准备材料 | 不重做准备验证 |
| 240 道普通组候选与验题记录 | 沿用固定顺序、题目和记录 | 不重新出这批题、重新验题 |
| 旧最佳组 90 份测试回答 | 直接纳入该组完整 50 题成绩 | 少做 90 份测试回答 |
| 新实验首轮相同种子回答 | 三个训练组共用 | 少做 320 份回答 |
| 两个方法组的首轮课程与候选回答 | 首次纠错前共用，主练分别进行 | 最多再少做 640 份回答及重复出题 |
| 新题筛选时的八份回答 | 入选后直接参加整轮主练 | 不再为训练重答同一题 |
| 中断前已完成的答卷与模型 | 从最近完成的阶段继续 | 不重做已保存的回答或学习 |

两个方法组第一次纠错后各自继续，后续课程由各自模型的表现决定。不同模型的回答不互用。

旧训练模型不作为新实验的起点。新作答说明已经改变，因此旧基础模型成绩保留在旧实验中，新未训练参考会重新测试。老师回复只有在完整请求相同时才复用。

## 每部分留下什么

保存每轮入选题单、全部候选的完整答卷、筛选理由、主练后模型、纠错后模型、原题纠错记录、最终测试和汇总。仍不逐动作写文件，不反复扫描全部历史。

后续分析重点是每轮有效新题数量、原难题是否回升、退步是否减少，以及错误后是否改变做法并最终完成目标。是否需要更多轮，根据这些变化再统一安排。