系统修订完成 / 2026 年 11 月 5 日

起点要一样，
练习要落到难点。

统一空背包后继续往下查，又发现题面不同、降难换掉诊断重点、合格题不等于练进了，以及同轮重复诊断。这次把出题、作答、筛题、学习、纠错和测试连起来修正，并重新跑通三轮。

01 / 沿完整流程继续查

不只检查有没有材料，
还检查实际在学什么。

发现的问题	本次修复	检查结果
同样空背包，题面仍不一样	训练原先只给目标相关配方，测试还有干扰配方，材料名称处理也不同。现在统一公开题面和动作反馈。	20 道种子逐题比较起点、题面、同一动作后的背包和成败，全部一致。
一批不够，却重复最终合成	明确一次合成只产一批；数量不够先补原料和中间产物。有效补做必须在原题下完成。	书架需要三本书，已有一本时，补两批纸、两本书再合成，五个必要动作都进入纠错学习。
降难悄悄换掉诊断重点	从失败扩题和降难时，保留本次诊断指定的步骤。找不到合法题就留缺额，不能改练别的步骤凑数。	拦住换重点的旧反例；明确诊断为造纸时，仍能产生必须自己造纸的较易题。
通过筛选，被提前算作已学习	一直追踪到实际模型更新。因各组题量匹配落选的合格题，留到后续复习优先安排。	做过、合格、选中、参与学习和实际更新分别计数；没有模型更新时不会计为练进。
同轮学生重复诊断	同一模型、同一轮和同一批答卷直接复用已有分析，新失败继续分析。	重复调用由一次变为零，已保存诊断不再因措辞变化发生冲突。

还修正了“能否完整读入”的检查对象

现在检查学生真正会看到的公开题面。完整题面、诊断与纠错说明都核对了长度，不再拿较短的内部证明题面代替。

02 / 新题怎样进入学习

上一轮联合组 24 道新题中只有 9 道能提供成败对比，纠错组为 33 道中的 13 道。这版先筛出有对比的题，再如实核对最终练进的数量。

筛题可以排除八份全对或全错的新题，但最终测试是否提高，要由本轮实验回答。

03 / 补回原题

书架反例从真实失败后的背包继续：已有一本书，但书架需要三本。不能把错误后果撤销，也不能把只造出纸算成修好书架。

再做两批纸 → 再做两本书 → 合成书架。保留已经执行的前缀和真实材料消耗，总共用了 16 步，五个必要补救动作全部用于学习。

只做中间产物，没有完成书架；或者仍然缺书，却继续重复合成书架。它们都不会被当作有效纠错。

升难与回考分别检查

造书已经学会时，合法的更难任务能够生成、收齐八答并真正进入学习。另一种情况中，书已全对而造纸仍有错，程序保留造纸练习回考，不把一道较难题做对当作所有相关题都已掌握。

04 / 本次验收

本地检查用原生环境和小模型实际学习；回答由脚本安排。正式 GPU 尚未重新启动。

检查内容	结果
四训练组完整三轮	12 次主练、6 次纠错学习，完成保存与下一轮接续。
五组末测流程	同一份 30 题，450 份检查回答完成。
首轮答卷复用	纯学生组直接接入 160 份种子回答，没有重新作答，200 份相关文件内容一致。
整场完成后再启动	3,786 份结果文件内容未变，没有重复学习。
题面与长过程	374 个训练目标、50 个测试目标的初始题面均能读入；最长种子和测试题的六类长失败过程通过。
诊断和纠错输入	老师侧 104 份、学生侧 62 份已保存诊断都能完整读入；两侧各 180 份纠错输入通过，入选补救仍能完成原题。
最终包安装与入口	从最终压缩包安装成功，977 份原有固定文件保留。两套启动入口及重复启动通过，旧条件结果被挡住，旧 50 题不会重测。

没有追加一轮摸底或逐步存盘

每题固定题面只准备一次；同轮诊断复用；保存完整答卷、整轮结果和各阶段模型。题目能否完成、能力是否必经、方向是否正确、纠错是否成功，这些决定结果可信度的判断继续保留。

规模和完成时间

仍为五组、四个训练组各三轮，20 道种子，每题八答，每轮入选最多 60 题。旧最佳完整 50 题结果直接保留。较完整的训练题面会改变读取时间，旧版 56–65 小时估算仅作历史参考；重新开机后用必做首批回答更新预计时间，不另加测速题。