# 2026-08-23 → 2026-09-20 理论进展总结 面向论文主线，按“科学问题如何被重新定位、每一轮得到了什么理论判断”组织。工程实现只在第 8 节粗略列出。 依据材料：8.23 组会 PPT（13 页）、`CHANGELOG.yaml` 中 v0.20.2–v0.24.2、`html_logs/` 下 `hatt_v35_scientific_questions_20260913/`、`hatt_v36_relation_attention_redesign_20260915/`、 `hatt_v36_environment_and_method_experiment_20260915/`、`works/00_Outline-ch-260916.md`、 `works/01_Introduction-ch-260916.md`、`works/03_Analysis-ch-260916.md`、`analysis/` 下的成员表示、 成员组成反事实、成员价值预测、50 智能体与 AA 干预报告，以及最新定稿的 `Scientific_Question_Gap_Contributions_260920.md`。 --- ## 摘要 8.23 时论文的主张是“用异构图把机器人–任务边建成吸引、把机器人–机器人边建成排斥，为 MAPPO 提供联盟级输入”，而当时已经知道承载新意的那条边（AA）在消融里没有效果。这一个月的工作把 问题从一个网络结构问题，逐步改写成三个可分别检验的对象： 1. **关系的作用对象**：AA 必须绑定具体候选任务，而不是提供一份全局的智能体–智能体表示。 2. **决策的评价对象**：一次成员调整要同时面对目标联盟的加入收益和源联盟的离开损失；只 看“加入值多大”无法解释高优先级任务出现后 HATT 的行为。 3. **关系的可识别对象**：成员组成确实携带决策相关信息（受控反事实给出严格排序翻转），但 端到端 PPO 不能把它变成可复现的增益；问题落在“学习对象与监督信号”上，而不在容量。 到 9.20，科学问题被凝练为“如何在任务需求、机器人状态与联盟组成持续变化下，同时刻画 机器人–任务适配与成员围绕具体任务的正负组合效应，并把它们直接用于在线候选联盟评价”； 创新点收敛为“任务与状态条件化的吸引–排斥异构关系建模”，成员表示、信息粒度对照、反事实 干预、source-side 后果等从创新点降为方法组成与证据。 --- ## 1. 起点：8.23 的主张与当时已经暴露的矛盾 8.23 的 PPT 给出的是“理论可行性”叙述：传统 MARL 通过长期试错隐式诱导协作关系，本文用 异构图把机器人与任务统一为节点，机器人–任务边表示吸引，机器人–机器人边表示排斥，为 MAPPO 提供联盟级策略输入。 同一份 PPT 已经记录了三处后来被逐一证实为关键的问题： - 图节点只带四个高度抽象的能力属性，缺少任务坐标、紧迫度、是否已发现、剩余负载、当前是否 已有联盟、完成进度等字段；当时猜测这是 GAT 难以生效的原因。 - 排斥项由能力相似性决定并不成立，能力相似不等于冗余；输入的是相似性，“竞争关系应该由 GAT 学出来”。 - v3.0–v3.2 的结果呈现 best 饱和、last 退化（如 v3.0c 1.00 / 0.50，v3.2c 1.00 / 0.75）， 且 `no-AA` 与 full 结构接近。 因此这一个月真正的理论起点是：**论文的新意所在的分支，恰好是唯一没有被证明有效果的分支。** 后续所有工作可以读成对“AA 到底应该学什么、用什么标签学、在哪里起作用”的连续追问。 --- ## 2. 理论主线的三次重新定位 ### 2.1 关系的作用对象：绑定候选任务（v3.3AA，8.22–8.23） 正式消融显示全局 AA 注意力没有稳定收益，问题被重新表述为：AA 没有回答“这些队友与当前 候选任务是什么关系”。v3.3AA 让 AA 消息只在对方属于某个 Deliver 联盟时进入该候选任务，AT 与 AA 采用相同形式、独立参数；同时用 learned / uniform / zero 三种权重直接检查学到的 AA 权重。 结果与理论含义： | 条件 | validation-best success 均值 | 重配置决策数 | | --- | ---: | ---: | | learned | 约 62.5% | 641 | | uniform（AA 权重固定 0.5） | 约 55.2% | 736 | | zero（同一 learned checkpoint 关断 AA 消息） | 约 67.4% | 573 | learned 优于 uniform，但 zero 没有低于 learned。得到的判断是：候选任务上的 AA 权重能够影响 策略，AA 消息并不是性能来源。这也确立了后续一条纪律——**attention 权重不能直接解释成成员 贡献的正负**。 ### 2.2 问题的前提：先确认环境是否真的产生所假设的耦合（9.3–9.5） 沿任务生成、观测与完成条件逐项审计 128 个 held-out seed、1280 个配送任务后发现：四维任务 需求的非零比例为 `[1, 0, 0, 0]`，智能体四维能力均有变化，但任务完成只累计第一维配送量； CapCoal 的 req_vec 也没有进入完成条件。也就是说，“多维异构能力匹配”这一前提在环境里并未 成立。 由此建立一个可迁移的原则：**在比较关系结构之前，先证明环境中存在该结构要建模的耦合。** 在近似可加的配送机制下，任务条件的集合编码已经可能覆盖主要信息，注意力很难仅凭表达能力 形成稳定优势。 同一阶段还留下两件方法学资产： - 把 compact6 → full12 的性能下降拆成输入尺度、字段与初始化三类因素，并指出固定随机种子 不足以保证不同输入宽度的网络从相同函数开始。 - 提出**函数保持初始化**：把共同参数逐项复制、新增输入列置零，使两组从相同动作分布起步。 三个 seed 的对照表明 full12 的下降不能归因于初始 actor 函数，单 seed 训练轨迹对结论影响 很大；继续细分输入表示的收益较低，重点转向“策略是否在动态事件中使用了联盟关系”。 ### 2.3 决策的评价对象：从“加入收益”到“源–目标双侧后果”（9.5–9.6） 固定事件前状态，只改变新任务的优先级，并把“立即重选”与“暂缓一次重选”放在同一状态下 比较，得到： - HATT 系列确实响应任务价值变化：v3.3AA learned 的事件任务概率 +0.042、指派人数 +0.49、 首次响应提前约 26 步；v2.0 为 +0.088、+1.33；MAPPO 接近 0。 - 该响应没有转化为团队收益：learned 每次事件平均切换 5.20 名成员，其中 2.95 名转向事件任务 以外的目标，1.67 名离开后使原联盟运力不足；立即响应相对暂缓没有稳定改善完成率、剩余需求 或团队回报。 理论诊断是：**关系模型能识别任务价值变化，缺少的是对“成员离开原联盟后果”的判断。** 这使 源联盟损失成为与目标收益并列的一等对象，也解释了为什么“给 AA 更多输入”不会自动解决问题。 ### 2.4 可识别性：给出信息不等于策略会使用（v3.4，9.6–9.12） v3.4 在成员关系里加入对方当前任务的剩余需求、优先级、已承诺载荷与成员数。常规成功率上 taskctx 的 validation-best 为 65.10%、noctx 为 62.50%，配对检验 p = 0.797 / 0.254，差异小于 训练 seed 波动；函数保持初始化把末期回落从 -3.39 个百分点压到 -0.26 个百分点，但没有消除 seed 间分化。 随后用同状态实验直接检验这个通路：在成员集合与总载荷守恒的条件下构造 116 个共享状态， 只改变焦点成员离开后源任务是否出现运力缺口（critical / replaceable × 高 / 低优先级），比较 焦点策略、强制留守、强制转移与联合策略分支，共 11136 条轨迹；并直接清零已训练 checkpoint 中连接四维任务上下文的权重，得到 1392 组动作分布。 结果是：显式上下文输入没有让冻结策略可靠识别关键成员退出的后果，清零新增权重后大多数 动作概率几乎不变。这里得到一条贯穿后续的判断：**提供信息与策略使用信息是两件事；整体成功 率不是检验关系是否被使用的合适观测量，需要同状态、局部、可配对的后果对象。** --- ## 3. 科学问题的两次正式化，以及本月唯一的解析结果 ### 3.1 9.13：状态条件联盟作用 `M = B + Γ` 这一版把主线写成“学习候选机器人相对于具体任务联盟的状态条件作用，并用源任务与目标任务 的双侧后果指导在线联盟重构”，并给出数学对象： - 任务级价值 `V_k^π(C; x_t)`； - 加入边际 `M_{i|C,k}(x_t) = V_k^π(C∪{i}) - V_k^π(C)`； - 基础贡献 `B_{ik}(x_t) = V_k^π({i}) - V_k^π(∅)`； - 联盟条件作用 `Γ_{i,C,k} = M - B`，于是 `M = B + Γ`。 同时把缺口写成四元组合：从动态执行状态估计条件作用、保留影响后果的成员组成信息、同时计算 源损失与目标收益、并用于在线形成与重构。四个受控表示（count-only / summary / set / TC-AA） 在同一参数预算与相同初始函数下比较，用来回答“成员组成在摘要匹配后是否仍然影响后果”。 ### 3.2 9.14–9.16：环境有信息、表示学不到；以及一个可证的损失下界 **实验侧**（v3.5 与两个机制实验）： - 128-seed held-out 的 validation-best 成功率均值：count-only 0.570、fixed summary 0.049、 set 0.643、TC-AA 0.549；set 与 TC-AA 相对 count-only 的配对差值随训练 seed 改变方向。 - 成员组成反事实：96 个配对状态中 86 个出现非零组成效应，20 个在 0.001 阈值下发生留守与 转移的严格排序翻转（阈值 0.01 时 6 个）；人数对照在配对状态上的动作概率完全相同。 - 独立监督筛选：扩到 240 个 case、四种表示、五个初始化种子后，Set 与 TC-AA 的 held-out 组成效应预测误差没有稳定优于忽略组成的 Summary，严格翻转联合识别率约 1.67%。 由此得到三条判断：环境中的成员组成确实携带决策相关信息；v3.5 的端到端 AA 优化失败； 长时域全局 `ΔJ` 经过源任务损失、目标完成时间和后续多轮重决策传播，与成员关系之间缺少稳定 的局部对应，把它直接交给更大的成员编码器仍然建立不了监督信号。**需要短时域、局部的标签。** **理论侧**（`works/03_Analysis-ch-260916.md`）：把问题放到状态抽象的框架下——令 `z = Φ(x)` 为选择器实际使用的全部表示，若两个状态在 `Φ` 下相同而最优动作相反，就存在由信息约束产生 的选择损失。本轮给出两个可检查的结果： - **命题 1（充分统计）**：在单次交付、行程既定、抵达即交付的局部模型中，各任务的累计到达 资源 `A_k(t) = Σ_j w_j·1{τ_jk ≤ t}` 足以确定每个候选分配下的剩余需求轨迹、完成时刻与 由这些量定义的效用。这说明需要保留的是“资源与到达时间的对应关系”，而不只是各自统计。 - **命题 2（二动作损失下界）**：若两状态满足 `Φ(x)=Φ(x')` 且较优动作相反，差值分别为 `δ_x, δ_x'`，则任意只用 `Φ` 的二动作选择器在本对状态上的最坏选择损失至少为 `δ_xδ_x'/(δ_x+δ_x')`；两状态等权出现时平均损失至少为 `½·min(δ_x, δ_x')`。 配套构造给出汇总相同而较优分配相反的状态：两个任务需求相同、成员数相同、总载荷相同、 距离分布相同，只交换载荷与到达时间的对应关系，最优选择随之互换。把该界套到实测的 20 对 严格翻转状态上，平均界约 0.00429；按全部 96 对等权平均约 0.000894（量纲为该实验的归一化 加权积压效用）。 这一部分是本月唯一成型的解析结果，也是 gap 从“现有方法没有考虑成员关系”改成 “固定/预估成员兼容性、剩余能力、coalition-level value 或任务条件聚合会把要求相反选择的 状态合并”的直接依据。 ### 3.3 9.20：收敛为“任务与状态条件化的吸引–排斥关系” 最新定稿版把研究对象定为**动态异构多机器人任务执行中的在线联盟形成与调整**，核心科学问题 是：在任务需求、机器人状态与联盟组成持续变化下，如何同时刻画机器人–任务适配关系与成员 围绕具体任务产生的正负组合效应，并利用这些动态关系评价候选联盟、支持在线形成与调整。 gap 的表述随之收紧：不再声称现有方法缺少成员关系、任务条件或当前联盟，而是指出这些信息 通常通过剩余能力、固定或预估兼容性、coalition-level value 或任务条件聚合进入决策；缺少的 是一种把“某成员在当前任务、当前联盟与执行状态下对候选联盟的促进或抑制作用”显式化、并 直接进入候选联盟评价的关系机制。 创新点收敛为两条：C1 任务与状态条件化的吸引–排斥异构关系建模（核心）；C2 吸引–排斥关系 驱动的在线联盟决策（若最终 Method 只是“关系编码 + MAPPO”，C2 应与 C1 合并）。 --- ## 4. 方法设计的关键转折：从隐式上下文到有符号双关系残差 9.15 的两份评估给出明确取舍：终止“把候选任务的成员注意力上下文直接拼入策略、完全依赖 PPO 回报学习其用途”这条实现路线；AA 的关系问题保留，但必须改变学习对象与接入方式。 设计上的四点变化： 1. **职责拆分**：AA 只负责 `Γ`，`M = B + Γ`。关系网络以任务与焦点智能体为查询，逐成员 产生非负权重 `α_ijk` 与有符号关系值 `γ_ijk`，聚合为 `Γ̂ = Σ α_ijk·γ̂_ijk`。注意力权重只 表示“关注哪些成员”，作用方向由有符号头给出。 2. **标签局部化**：短时域关系标签 `γ*_ij|C_k,k,H = [U_H(C_k∪{i}) - U_H(C_k)] - [U_H((C_k\{j})∪{i}) - U_H(C_k\{j})]`， 生成时固定联盟分配与低层执行规则，阻止后续重决策把局部信号扩散成长链条。 3. **有界接入**：关系项作为动作 logit 的有界残差 `ℓ = ℓ_base + λ(x)·clip(Q̂_rel, -q_max, q_max)`， `λ` 从 0 初始化，使初始策略与基础 actor 完全一致。 4. **结构对称**：AT 与 AA 使用相同的关系算子形式（query-key、边特征调制、有符号 head、 head 合并），参数按关系类型独立；AA 边按成员的当前 assignment 通过 scatter 路由到候选 任务，复杂度从 `O(A²T)` 降为 `O(AT + A²)`。 术语上做了重要澄清：非负 attention gate 只能表示权重，不能解释成吸引或排斥；只有显式的 有符号输出才能承载“吸引–排斥”。更严谨的表述是“任务吸引–联盟交互”，正文可以把正负合力 解释为吸引与排斥；若预先规定 AA 全为负值，能力互补将无法表达。 配套提出环境必须提供可识别的成员关系（多维能力耦合、类型相关 ETA 与剩余载荷），并设定 进入完整 PPO 前的三段门槛与**预先固定的停止条件**：若新 AA 在短时域关系预测和冻结策略干预 中仍无法稳定超过任务条件 Deep Sets，AA 从论文核心方法中移除，主方法转向集合价值估计或 源–目标重组价值分解。 ### 4.1 v3.6 实际实现了什么 按 9.15 设计文档，v3.6 实现了：有符号 AT 分数、读取成员当前任务上下文的 AA 分数、 assignment-routed 归一化聚合、两类关系对称的多头结构、head 合并权重零初始化（保证 AT-only 与 dual 在同一初始化 seed 下初始策略完全相同），以及新的异构环境。 尚未进入 v3.6 的两项：**短时域反事实辅助监督**与**源联盟退出项/移动成本项**。v3.6 的动作 关系分数实际是 `relation_logit = relation_scale · (at_score + normalized_aa)`，没有源损失 与移动项，也没有反事实校准损失；设计文档把短时域反事实监督标注为“后续增强项”。 --- ## 5. 实验结果给出的理论判断 **环境与表示（v3.5）**：成员组成携带决策相关信息这一前提成立；固定维度物理摘要可以把 要求相反选择的状态合并；但 Set 与 TC-AA 都没有稳定优于 count-only，独立预测器也未能稳定 优于忽略组成的基线。结论是端到端 AA 优化失败、AA 的信息前提成立、下一版必须改变学习对象 与接入方式。 **双关系与异构环境（v3.6，9.15–9.19）**：正式组 21 个训练 job、20160 次 periodic validation 原子评估与 5376 次 final test 原子评估全部完成。原规模（12 智能体、10 任务）128-seed 最终测试 的三训练 seed 等权成功率： | 方法 | validation-best | last | | --- | ---: | ---: | | v2.0 full-hetero | 0.792 | 0.508 | | v3.6 AT-only | 0.698 | 0.302 | | v3.6 dual | 0.648 | 0.375 | dual 未达到同期 AT-only 与 v2.0 的水平，且不同训练 seed 方向各异。环境侧的 2×2 对照 （type-only / terrain-only / hazard-only / full-hetero）显示，同一物理环境变体下 type-only 与 hazard-only 的 validation-best 三 seed 均值约 0.943 与 0.930，而 full-hetero 为 0.792， 说明地形约束等环境因素改变难度，模型排名不能脱离环境设置解释。 50 智能体、40 任务、8 个场景 seed 的冻结 `actor.pt` 评估中，三训练 seed 平均任务完成率为 AT-only 0.870、dual 0.948，全任务成功场景数 8/24 与 10/24，增益主要来自训练 seed 1；这批数据 验证了模型能在该设定下运行，未证明跨密度的可扩展性能，也没有把 AA 的直接贡献从训练差异中 分离。 **AA 通路的配对干预（9.19–9.20）**：同一 dual checkpoint 加载两次，`dual` 保留学到的 AA 分数、`at_only` 把路由后的 AA logit 置零，其余参数、AT 打分、成员数输入与场景 seed 全部 相同。12 智能体、8 个场景 seed 的配对结果（24 个 episode 对）： | selector | dual 成功率 | AA 关断 | Δ | 精确 McNemar 双侧 p | | --- | ---: | ---: | ---: | ---: | | validation-best | 0.5417 (13/24) | 0.6250 (15/24) | −0.083 | 0.754 | | last | 0.3333 (8/24) | 0.2917 (7/24) | +0.042 | 1.000 | 两个 selector 的回合回报都是关断一侧更高（63.63→68.47、26.78→32.59），任务完成率变动在 ±1.3 个百分点以内。为了区分“干预太弱”与“增量与结果不对齐”，直接读取 `v36_routed_aa_score` 与 `v36_at_signed_score`：34022 个可用候选槽位中 6.63% 带非零 AA 增量，这些槽位上平均 |AA| 0.717 对平均 |AT| 0.152，85.9% 的槽位 |AA| > |AT|（p99 |AA| 1.09）。 因此这次失败的性质是清楚的：**学到的有符号 AA 增量在带成员的候选上幅值大于 AT 分数，但 它没有把决策推向更高的任务完成率。** 与 v3.5 的结论合起来，阻碍 AA 发挥作用的环节不在 网络容量或扰动强度，而在学习对象与监督信号是否把关系与决策后果绑定。这也正好落在 9.15 预先写下的判断标准上。 **需要同时记录的边界**：该干预只完成了 12 智能体的一半，50 智能体条件下的 24 个评估任务 因并发 `git stash` 移除了尚未提交的 `--output_dir` 参数而在参数解析阶段失败；跨规模检验与 独立 AT-only / v2.0 对照因此缺失，“AA 关断效应”与“训练差异”尚未分开。 --- ## 6. 沉淀下来的方法与证据原则 这一个月除了具体结论，还形成了六条可复用的实验纪律，后续实验不应退回： 1. **前提审计先于结构比较**：先确认环境中存在要建模的耦合，再讨论哪种编码更好。任务需求 只沿第一维变化这一发现，直接改变了后续实验的可解释范围。 2. **函数保持初始化**：改变输入宽度或新增字段时，复制共同参数并把新增列置零，使对照从相同 动作分布起步；固定随机种子不足以保证相同初始函数。 3. **同状态配对反事实**：守恒载荷、固定成员集合与位置、只改变目标变量，配合强制留守/转移 与闭环后果，用来回答“关系是否影响决策”，而不是用整体成功率代替。 4. **表示能力与优化能力分离**：先训练独立预测器检验某表示能否学到效应，再决定是否值得进入 完整 PPO；这避免了把优化失败误判成表示不足。 5. **预置门槛与停止条件**：在完整训练前固定“环境是否产生可识别关系→关系估计器是否超过 集合基线→冻结策略干预是否改变排序”的三段判定，并预先写明 AA 退出核心方法的条件。 6. **多 seed、held-out、分阶段评估**：32-seed periodic validation 每 50 episode 一次、锁定 validation-best 后做 128-seed held-out test、validation-best 与 last 分开报告。8.23 前后的 结论多以单 seed 单次评估给出，这套协议上线后，compact projection 之类的中期“提升”没有 在三 seed 对照中复现，单条训练轨迹不再被当作方法结论。 --- ## 7. 尚未闭合的理论环节 1. **“吸引–排斥”的语义尚未被后果验证。** v3.6 的有符号头在结构上满足“显式可正可负”“直接 作用于候选联盟评价”“任务节点参与关系计算”“当前联盟与执行状态共同条件化”，但这些只是 设计条件；符号与真实后果的一致性（正号应对应促进）还没有证据。缺少这一环，“吸引–排斥” 仍可能停留在命名层面。 2. **学习对象仍是纯 PPO。** 9.15 设计中的短时域反事实标签没有进入 v3.6，AA 的梯度仍然只 来自最终策略损失；这正是 v3.5 失败的原因之一，尚未被替换。 3. **环境仍缺少强非加性。** 配送由单维载荷独立交付，成员之间缺少联合搬运、能力阈值、空间 干扰与明确资源竞争；在近似可加机制下，集合编码可能已经覆盖主要信息，注意力难以形成 稳定优势。能力耦合环境仍是待建项。 4. **源侧项缺失。** 优先级实验指出的“离开源联盟的后果”在 v3.6 中没有对应项（无 `-L_leave` 与移动成本），双侧价值分解尚未进入实现。 5. **跨规模与独立对照不完整。** 50 智能体只做了 8 场景、以 last checkpoint 为主的冻结评估； AA 关断的跨规模配对与独立训练 AT-only 对照尚未取得数据，规模结论只能表述为“能运行”。 --- ## 8. 工程改动（从略） - 环境：DelivCoal 替换 CapCoal 的假探索，引入 8 扇区探索、coverage 网格与全队未探索比例； 加入 UAV/UGV 类型条件能力、UGV 地形通过率、共享危险点发现与可见图绕行、planner-derived ETA。 - 方法：HATT v3.0→v3.6 的版本链（联盟边际推理、能力残差、有符号交互、任务条件 AA、成员表示 四分支、assigned-routed 双关系）；删除 v3.5 的稠密 `A×T×A` 成员张量。 - 基线：完整 PCFA 规则基线（128 场景 success 51.6%）；CFM 与 MARL-MRT2A 官方复现并适配到 DelivCoal；GymRT2A 迁移与 QMIX/VDN 接入（含 physical_constrained 与 event_smdp 两种半马尔 可夫转换口径）。 - 实验基础设施：独立 sweep 队列与多项目提交、staged validation 队列、多 GPU 与显存准入、 温度保护与内存守护、进度采集与静态发布页。 --- ## 附：关键数字一览 | 主题 | 关键数值 | 来源 | | --- | --- | --- | | v3.3AA learned / uniform / zero | 62.5% / 55.2% / 67.4% | v0.20.2 | | 任务需求审计 | 1280 个任务非零模式 `[1,0,0,0]` | v0.22.0 | | 优先级响应（v3.3AA learned） | 概率 +0.042、指派 +0.49、提前 26 步；切换 5.20 人，2.95 转向他处，1.67 削弱源联盟 | v0.23.0 | | v3.4 taskctx vs noctx | best 65.10% vs 62.50%；last 61.72%；配对 p=0.797 / 0.254 | v0.23.1–2 | | 同状态关键成员实验 | 116 个守恒状态、11136 条轨迹、1392 组动作分布；清零权重后概率几乎不变 | v0.23.4 | | v3.5 表示对照（128-seed best） | count 0.570 / summary 0.049 / set 0.643 / TC-AA 0.549 | v0.24.0 | | 成员组成反事实 | 96 对中 86 对非零效应、20 对严格翻转；预测器严格翻转识别率 1.67% | v0.24.1 | | 表示混叠损失界 | 命题 2：`δ_xδ_x'/(δ_x+δ_x')`；20 对平均界 0.00429，96 对等权 0.000894 | `works/03_Analysis-ch-260916.md` | | v3.6 128-seed best / last | v2.0 0.792 / 0.508；AT-only 0.698 / 0.302；dual 0.648 / 0.375 | PLAN.md | | 50 智能体冻结评估 | 完成率 AT-only 0.870、dual 0.948；全任务成功 8/24 与 10/24 | `analysis/20260917_v36_scale50_multiseed/RESULTS.md` | | AA 关断配对（12 智能体） | best 0.542→0.625（p=0.754）；last 0.333→0.292（p=1.000） | `analysis/20260919_v36_aa_logit_intervention/EVALUATION_SUMMARY.md` | | AA 增量幅值 | 6.63% 槽位非零；|AA| 0.717 vs |AT| 0.152，86% 槽位 |AA|>|AT| | `aa_logit_magnitude.json` |