EE 被动仪器标定报告 v2.1
日期: 2026-05-31（修订 2026-06-01） 状态: 完成。Readout policy 已冻结。4 项高置信 + 1 项 turnover 诊断 + 1 项弱 τ₀ 信号 + 1 项 GI 架构扫描。
设计原则
两层分离：
- Layer 1（当前）: 被动仪器标定。用生成流，Geruon 不做选择，只测结构读数。
- Layer 2（后续）: 主动认知任务。仅在 readout policy 冻结后运行。
固定 Readout Policy (R1-R8, 不可调):
| # | 符号 | 含义 | 公式 | 注意 |
|---|---|---|---|---|
| R1 | τ | 当前时间透镜 | g.tau | |
| R2 | dτ/dt | τ 变化率 | g.dtaudt | |
| R3 | centroid_mag | 残差方向幅度 | \|arrow_output()\| | |
| R4 | F | 场曲率（权重集中度） | 1 - H(w)/Hmax | |
| R5 | L2, L3 | 层帧计数 | f.layer == 'L2'/'L3' | layer 是字符串，非整数 |
| R6 | frame_disp | 相邻帧位移 | \|vec_latest - vec_prev\| | 不是内部预测误差 |
| R7 | n_frames | 总帧数 | len(frames) | |
| R8 | total_w | 总权重 | sum(frame.weight) | 含新旧所有帧 |
标定结果
CALIB-κ: 环境反转 → 迁移潜伏期
方法: 正弦波频率加倍（周期 20 → 8），测 τ 从旧稳态迁移到新稳态的步数。
| κ_τ | τ_pre | τ_min | min@步 | stable@步 |
|---|---|---|---|---|
| 0.5 | 0.7487 | 0.7371 | 157 | 20 |
| 1.0 | 0.7487 | 0.7371 | 157 | 20 |
| 3.0 | 0.7448 | 0.7371 | 109 | 20 |
| 5.0 | 0.7398 | 0.7361 | 61 | 20 |
| 10.0 | 0.7361 | 0.7361 | 0 | 20 |
| 20.0 | 0.7414 | 0.7391 | 61 | 20 |
发现: κ_τ 控制 τ 适应速度，不控制稳态值。κ=3-5 为平衡区间。
标定值: κ_τ = 3（默认, ~100 步迁移潜伏期）
CALIB-cap: 正弦波-bit → 有效容量
两阶段方法。Test A（正弦波量化）发现 Geruon 学的是时序模式，高 bit（平滑）流 pred_err 更低。Test B（随机值纯存储）测纯容量。
Test B (绝对阈值 PE < 0.05):
| cap | K_max (distinct 值) | 效率 |
|---|---|---|
| 4 | 2 | 50% |
| 8 | 2 | 25% |
| 12 | 6 | 50% |
| 16 | 12 | 75% |
| 20 | 16 | 80% |
| 24 | 20 | 83% |
| 32 | 24 | 75% |
标定曲线: K_max ≈ 0.8 × cap (cap ≤ 24)，效率峰值 ~83% 在 cap=24。
CALIB-δ: 正弦波-bit → 合并粒度
正弦波量化压缩率 (n_distinct / levels) 测合并行为。转折点在 bits=3-4（8-16 个级别）。
压缩率:
| bits | levels | cap=8 | cap=12 | cap=16 | cap=24 |
|---|---|---|---|---|---|
| 1-2 | 2-4 | 50% | 75-100% | 100% | 100% |
| 3 | 8 | 50% | 75% | 100% | 100% |
| 4 | 16 | 25% | 44% | 56% | 63% |
| 5-6 | 32-64 | 8-13% | 13-22% | 17-28% | 19-31% |
核心发现: δ 和 cap 是耦合的——δ_eff ≈ 1.25 / cap。帧经济存个体向量，不是类别原型。加噪声不触发合并（噪声是”新结构”）。
| cap | δ_eff ≈ | 可区分值 |
|---|---|---|
| 8 | 0.16 | ~5 |
| 12 | 0.10 | ~10 |
| 16 | 0.08 | ~13 |
| 24 | 0.05 | ~19 |
CALIB-γ: 结构周转 (turnover diagnostic)
v1 (废弃): 追踪 total_w。消退期末总权重反增（722K→1,004K），新旧混合导致虚假半衰期 31 步。
v2 (修正): 标记原始结构帧（by struct_sig.struct_key），仅追踪其权重。
| 指标 | 值 |
|---|---|
| 原始结构权重 (强化期末) | 722,086 |
| 原始结构权重 (消退期末) | 0（350 步归零） |
| 原始结构半衰期 | 8 步 |
| 周转比 (新权重/旧初始) | 0.68× |
衰减轨迹: step 0→722K, step 50→261K (−64%), step 100→72K (新帧占 83%), step 350→0。
发现:
- 真正半衰期 8 步，不是 31 步。纯 γ 预测 ~14 步 (ln2/0.05)，实测更快因为剪枝优先移除最弱帧
- 旧值 31 ≈ 8 × GI (8×4=32)——v1 测的是帧经济周转周期，不是单个结构衰减
- 这不是”遗忘曲线”，是结构替换周转：旧结构被剪枝，新模式填充
total_w不得作为衰减指标——它是新旧混合信号
标定值: 结构半衰期 8 步，完全衰减 350 步 (cap=24, γ=0.05)。应称”结构周转指标 (structure turnover indicator)”。
不确定性追踪 (solo Geruon)
方法: 交替低噪声 (σ=0.02) / 高噪声 (σ=0.25) 相位。
| 指标 | 值 |
|---|---|
| τ (低噪声) | 0.7284 |
| τ (高噪声) | 0.7440 |
| τ_diff | +0.0155 |
| frame_disp 比值 | 11.2× |
发现: τ 在高噪声下稳定上升——环境不确定时系统更保守。稳健可复现。
CALIB-τ₀: 新异模式吸收率
周期模式 (正弦) → 混沌模式 (logistic map)。τ 缓慢下降 0.008（方向正确），但初始斜率为零——无即时响应，τ 惯性大。弱信号，方向正确但量级太小。
CALIB-GI: 自指周期架构扫描
方法: MiniSelf (n 腔体, κ 几何分布), GI × n 二维扫描。标准 Self kappas [0.5, 10, 100]。注意：架构扫描，非统计复现——信号由结构（κ×GI）主导，不由种子主导。
标准 Self (n=3) 结果:
| GI | cavity_diff | 说明 |
|---|---|---|
| 3 | 0.0646 ± 0.0096 | 过频——κ 跨度大时 cavity 被过度同步 |
| 4 | 0.0890 ± 0.0000 | BGM 帕累托点；在 Self 中为保守运行点 |
| 5 | 0.0950 ± 0.0000 | 信号最优，接近通信经济上限 |
发现:
- GI=4 从来不是 3 腔体 Self 的信号最优
- GI=5 最优且接近上限——κ 跨度越大越需要更长独立处理周期，避免过度同步
- 实际采用 GI=4：达到 GI=5 约 94% 的信号，同时保留一格安全边际，避免把系统运行在上限处。这是工程保守点，不是信号最优点
理论解释:
- GI 过小: 交换过频 → 不可逆操作累积 + 腔体被同步 → 账单高
- GI=5: 腔体独立处理足够步数后才交换 → 账单-收益平衡
- GI>5: 腔体漂移积累信息债务 → 重新同步代价超收益
- GI=5 与兰道尔账单解释一致，是当前 3 腔体 Self 架构下的通信经济上限
标定基准总表
| 参数 | 标定值 | 认知映射 | 置信度 |
|---|---|---|---|
| κ_τ | 3 | 时间注意力粒度：~100 步观察窗口 | 高 |
| cap | K_max ≈ 0.8×cap | 有效容量，效率峰值 cap=20-24 (~83%) | 高 |
| δ | δ_eff ≈ 1.25/cap | 合并粒度，与 cap 耦合 | 高 |
| uncertainty | τ_diff = +0.0155 | τ 在高噪声下上升，系统更保守 | 高 |
| γ (turnover) | 结构半衰期 8 步 | 结构周转指标，非遗忘曲线 | 中 |
| τ₀ | τ_drop 0.008 | 新异吸收率，方向正确信号弱 | 低 |
| GI | opt=5, 采用=4 (n=3) | 兰道尔账单约束的通信节律 | 中 |
置信度: 高=多 seed 复现，信号由结构主导；中=可复现，需更严格独立验证或重框架；低=方向正确量级太小。
参数透传验证
全部标定参数可从三个架构常数 (δ=0.19, γ=0.05, τ₀=0.60) 追溯：
| 标定参数 | 推导 | 验证 |
|---|---|---|
| κ_τ=3 | γ × 0.4 × κ_τ → 0.05×0.4×3 = 0.006/步 | 109 步迁移，匹配 |
| γ 半衰期 8 步 | ln2/γ ≈ 14 步理论值，优先剪枝加速至 8 步 | 干净可解释 |
| 旧值 31≈8×GI | v1 错误测的是周转周期，恰好回到 GI | 意外交叉验证 |
| cap×δ≈1.25 | K_max × δ_eff ≈ 1，两个独立标定互相约束 | 内部一致 |
| GI=5 opt / GI=4 运行点 | 3 腔体 Self 中 GI=5 信号最优；GI=4 保守运行 | 信号最优与工程运行点分离 |
无自由参数——所有标定值均可从 δ/γ/τ₀ 和乘子纪律（×0.4, ×0.2）导出。
Layer 2 初步: 主动概率反转学习
κ_τ=3 参数下，Geruon 基于内部 evidence 做选择。
| 指标 | 值 | 对标 |
|---|---|---|
| 切换潜伏期 | 23.1 trials | 人类 8-15 |
| τ 变化 | 0（冻结在 0.733） | 被动标定预测 τ_drop=0.004 |
| stay_win / shift_lose | 0.63 / 0.51 | 人类 ~0.7-0.9 / ~0.5-0.7 |
核心发现: τ 在反转前后完全冻结——反转改变语义（哪个选项更好）但不改变向量类型。τ 是流结构探测器，不是强化学习的学习率。
脚本
code/_calibrate_passive.py— 全部标定 + 不确定性追踪code/_calibrate_cap.py— cap（正弦波-bit + 随机值纯存储）code/_calibrate_delta.py— δ（正弦波量化压缩率）code/_calibrate_gi.py— GI 架构扫描code/_calibrate_kappa.py— κ_τ 早期探索code/_active_reversal.py— Layer 2 主动反转学习