48成员城市：规则与环境诊断

完整900步对照

HATT固定使用旧12成员训练的ep200权重，直接迁移到48成员；当前规则仍有分配缺口。原生48成员训练尚无评估结果。

已复现的环境缺口

旧报告持续阻断路径，公共修路目标却在36步后失效。冻结第200步，29辆地面车在报告路网中与基地断开；清理已报告的一处障碍可恢复其中28辆连通，执行v3原有准入允许这项工程。

报告记忆修复在真实执行走廊中使送达从0/2变为53步2/2。同城冻结干预首次清理从244步提前至229步；350步送达仍均为25人。全城救援收益待验证。

训练与后续验证

报告记忆修复后的两条原生48成员训练已在GPU1启动，每条200局×900步。保留原HATT2.0、原奖励和combined教师，从第一局启用64点。GPU0异步执行周期验证、末期窗口与最终测试，合计1088次评估。

完整报告、简化运输及修复后原教师的900步对照已进入正式队列。额外读取报告网格的修路规则仅用于诊断，其全城收益尚未证明。

等价运行加速

完整900步教师执行从670秒降至167秒，约4.02倍，全部采样和决策计数一致。两条正式训练已保留第24/25局的完整状态，转入加速续跑。

续跑首局900步与PPO更新分别耗时328秒、332秒，约5分半；当前训练ETA约16小时，后续随城市变化更新。92项工程回归与57项调度检查通过。

第二轮：服务预估向量化与多目标寻路复用

完整900步配对重放，每步观测、奖励、动作mask及物理状态一致；环境与状态计算167.05秒降至95.28秒，额外约1.75倍。GPU0完整rollout与PPO检查224秒降至146秒，98项相关检查通过。

两条训练已从第33局完整状态在GPU1向量化续跑，原200局和GPU0评估预算保留。首局续跑均完成第34局，900步及PPO分别175秒、164秒；当前剩余训练ETA约8.1小时、7.6小时，随后更新。Adam各增加144步，模型及训练审计数值有限。前述约16小时为第一轮加速的历史估计。

训练审计数组相同；现有CUDA联盟聚合重复计算存在浮点差异，GPU训练权重未保证逐位复现。