2026-10-29T11:33:28.407046+08:00
本版恢复各区域探索记录并修改训练建议；上一版让成员读取本轮前面成员的选择；更早版保留持续作业、采用独立分配。本次为全局共享已观测报告、52维任务观测的比较范围。48成员、64任务点、2km、900步；固定规则mission-bundle按整队能力与预计完成时间安排任务，原参数保持。两个诊断城市来自本版32城验证相对规则差值的两端；不代表总体。更早版50局与后两版100局预算分别标示。
完整重放8条，上一版及本版的送达、发现结果精确复现原评估，规则复现固定基线；所有配置的初始城市哈希相同。只读记录器的观测、奖励和物理状态等价测试通过。
| 环节 | 已完成的检查 | 尚未确认的边界 |
| 探索 | 覆盖、发现时间、UAV单次选择及双向终局分支 | 观测更新与联盟变化各自贡献 |
| 信息更新 | 报告年龄和真实偏差、复查目标分支、固定输入置换 | 哪些具体道路报告改变了后续分配 |
| 任务选择 | 成员身份保持的小队目标替换 | 两城结果的总体代表性 |
| 成员配置 | 任务人数保持的成员交换、固定目标补成员 | 能力、位置和资源的独立贡献 |
| 重选时机 | 逐次改派记录、接近保持10步 | 逐次有效作业中断的净损失 |
| 接近准入 | 路程、无位移、准入拒绝及服务预览 | 全部等待事件的唯一原因分类 |
| 清障灭火 | 真实工作量和有效作业比例 | 单独替换具体作业对象尚未完成 |
| 接人 | 接人数、等待、接人目标终局分支 | 多个车辆联合选择的增益 |
| 返程卸载 | 车载时长、报告和真实路线、复制状态移动探针 | 最初失去通路的时间及维修能否避免 |
送达和发现率按城市等权平均；损失与车载为每城平均人数。以下模型均为100局。
| 配置 | 送达率 | 发现率 | 损失人数 | 期末车载 |
| 上一版 | 44.88% | 92.48% | 145.09 | 5.44 |
| 本组原设置重跑 | 42.87% | 91.65% | 149.06 | 5.72 |
| 只改训练建议 | 39.31% | 96.14% | 157.97 | 7.22 |
| 只恢复探索记录 | 41.33% | 90.28% | 153.78 | 5.72 |
| 两项一起改 | 42.27% | 93.02% | 152.44 | 4.31 |
| 同城固定规则 | 47.76% | 99.80% | 138.81 | 3.38 |
两项一起改相对本组原设置重跑为-0.60个百分点，配对城市区间[-3.10,+1.88]。上一版44.88%与本组原设置重跑42.87%也有差异；配置检查只见运行标签、路径和新增默认关闭的教师开关不同，具体运行及数值来源尚未追溯。跨两次训练的-2.61个百分点不能全部归给这两项改动。单训练seed限制保留。
| 版本 | 城市 | 送达/初始 | 损失 | 期末车载 | 等待 | 发现率 | 接人数 | 上车后损失 |
| 更早作业保持版/50局 | 8 | 2/299 | 260 | 12 | 25 | 60.94% | 14 | 0 |
| 更早作业保持版/50局 | 23 | 115/297 | 158 | 0 | 24 | 71.88% | 118 | 3 |
| 本版/100局 | 8 | 85/299 | 180 | 9 | 25 | 93.75% | 94 | 0 |
| 本版/100局 | 23 | 157/297 | 131 | 7 | 2 | 95.31% | 169 | 5 |
| 上一版/100局 | 8 | 152/299 | 113 | 17 | 17 | 87.50% | 169 | 0 |
| 上一版/100局 | 23 | 126/297 | 160 | 0 | 11 | 95.31% | 126 | 0 |
| 固定规则 | 8 | 198/299 | 94 | 0 | 7 | 100.00% | 204 | 6 |
| 固定规则 | 23 | 116/297 | 165 | 0 | 16 | 100.00% | 116 | 0 |
| 版本/城市 | 未发现人员累计步数 | 已知无人负责 | 已有成员但其他等待 | 返程无位移步数/返程步数 | 最长未完成车载时长 |
| 更早作业保持版/50局/8 | 117584 | 56969 | 6253 | 3276/3366 | 840 |
| 更早作业保持版/50局/23 | 70282 | 22963 | 5454 | 2/4155 | 0 |
| 本版/100局/8 | 34972 | 40071 | 52029 | 2609/4500 | 360 |
| 本版/100局/23 | 37855 | 19508 | 8973 | 457/5929 | 253 |
| 上一版/100局/8 | 57766 | 26124 | 11585 | 2217/9139 | 401 |
| 上一版/100局/23 | 30115 | 27361 | 17155 | 0/4205 | 0 |
| 固定规则/8 | 17344 | 57645 | 5363 | 6/7269 | 0 |
| 固定规则/23 | 19723 | 62401 | 9622 | 0/3145 | 0 |
人员状态逐人互斥，逐步总和等于初始人数；清障、灭火表示已安排该作业，包含接近过程。其他已知等待状态不能直接解释为已经具备接人条件。完整有效作业比例、准入拒绝原因、发现和首次分配时间、切换指标见stage_metrics.csv。未完成人员和车辆一并报告，完成者耗时具有幸存者限制。900步为共同硬截止，按时送达率与本环境送达率重合。
城市8本版比上一版少送达67人；接人数减少75，期末车载减少8，上车后损失均为0，人数守恒关系为-75+8=-67。缺口首先体现为上车前的人数减少。该关系只定位人员流转位置，不把75人解释成独立因果损失。
本版城市8地面wait任务步数18342，上一版6721，规则6739；其中在仍有待救人员的任务上等待其他服务的步数分别11923、2775、1166。作业准入的返程拒绝分别1434、198、0步。第300步本版19名地面成员处于wait且任务仍有待救人员，17个对应的报告服务预览为none；上一版7名等待成员中5名所在任务仍有待救人员，规则仅1名等待成员且其任务没有待救人员。服务预览是当前观测下的候选，不等同最终调度拒绝原因。这些是待解释的执行差异，未直接证明某个评分项造成了全部等待。
计划48项，已生成完整记录48项；其中41项有符合预设条件的机会，7项在固定搜索窗口内没有机会。无机会不计作机制无效。
每项保留原历史和随机序列，从同一自然状态比较控制及干预到真实终局。单项改派固定首轮其他提案，后续沿原控制器响应新状态；目标改派同时改变一名成员归属。交换成员保持各任务人数精确不变；整体更换目标保持小队成员身份不变。干预不解释为AA/AT边贡献。
| 历史/城市 | 检查环节 | 干预步 | 送达：控制→干预 | 损失变化 | 已知点送达变化 |
| 本版/100局/8 | 探索与复查之间的选择 | 100 | 85→120 | -52 | +35 |
| 本版/100局/23 | 探索与复查之间的选择 | 100 | 157→158 | -5 | -5 |
| 本版/100局/8 | 接近途中保持10步 | 300 | 85→85 | +1 | +0 |
| 本版/100局/23 | 接近途中保持10步 | 300 | 157→155 | +4 | -2 |
| 本版/100局/23 | 固定目标补成员 | 335 | 157→154 | +5 | -3 |
| 本版/100局/8 | 接人目标 | 351 | 85→85 | +0 | +0 |
| 本版/100局/23 | 接人目标 | 313 | 157→157 | +7 | -2 |
| 本版/100局/8 | 复查哪个已知任务 | 100 | 85→59 | +7 | -23 |
| 本版/100局/23 | 复查哪个已知任务 | 100 | 157→168 | -15 | -5 |
| 本版/100局/8 | 单成员改派（目标与成员同时变） | 300 | 85→87 | -10 | +2 |
| 本版/100局/23 | 单成员改派（目标与成员同时变） | 300 | 157→153 | +9 | -5 |
| 上一版/100局/8 | 探索与复查之间的选择 | 100 | 152→141 | +15 | -10 |
| 上一版/100局/23 | 探索与复查之间的选择 | 100 | 126→133 | -7 | +4 |
| 上一版/100局/8 | 接近途中保持10步 | 300 | 152→150 | +4 | -9 |
| 上一版/100局/23 | 接近途中保持10步 | 309 | 126→123 | -1 | -3 |
| 上一版/100局/8 | 接人目标 | 342 | 152→126 | +4 | -16 |
| 上一版/100局/23 | 接人目标 | 322 | 126→126 | +0 | +0 |
| 上一版/100局/8 | 复查哪个已知任务 | 100 | 152→156 | +7 | -4 |
| 上一版/100局/23 | 复查哪个已知任务 | 100 | 126→125 | -6 | -1 |
| 上一版/100局/8 | 单成员改派（目标与成员同时变） | 300 | 152→155 | +4 | -5 |
| 上一版/100局/23 | 单成员改派（目标与成员同时变） | 300 | 126→126 | +0 | +0 |
| 固定规则/8 | 探索与复查之间的选择 | 100 | 198→204 | -6 | +6 |
| 固定规则/23 | 探索与复查之间的选择 | 100 | 116→130 | -14 | +14 |
| 固定规则/23 | 接近途中保持10步 | 308 | 116→116 | +0 | +0 |
| 固定规则/8 | 接人目标 | 330 | 198→198 | +0 | +0 |
| 固定规则/23 | 接人目标 | 315 | 116→116 | +0 | +0 |
| 固定规则/8 | 复查哪个已知任务 | 100 | 198→200 | -2 | +3 |
| 固定规则/23 | 复查哪个已知任务 | 100 | 116→120 | -4 | +4 |
| 固定规则/8 | 单成员改派（目标与成员同时变） | 300 | 198→201 | -3 | +3 |
| 固定规则/23 | 单成员改派（目标与成员同时变） | 300 | 116→116 | +0 | +0 |
| 本版/100局/23 | 小队成员固定、更换目标 | 300 | 157→152 | +7 | -4 |
| 本版/100局/8 | 任务人数固定、交换成员 | 300 | 85→87 | -10 | +2 |
| 本版/100局/23 | 任务人数固定、交换成员 | 300 | 157→151 | +10 | -10 |
| 上一版/100局/8 | 小队成员固定、更换目标 | 392 | 152→144 | +8 | -16 |
| 上一版/100局/23 | 小队成员固定、更换目标 | 303 | 126→126 | +0 | +0 |
| 上一版/100局/8 | 任务人数固定、交换成员 | 300 | 152→131 | +7 | -20 |
| 上一版/100局/23 | 任务人数固定、交换成员 | 300 | 126→126 | -3 | +0 |
| 固定规则/8 | 小队成员固定、更换目标 | 300 | 198→201 | -3 | +3 |
| 固定规则/23 | 小队成员固定、更换目标 | 300 | 116→116 | +0 | +0 |
| 固定规则/8 | 任务人数固定、交换成员 | 303 | 198→197 | +3 | -1 |
| 固定规则/23 | 任务人数固定、交换成员 | 300 | 116→116 | +0 | +0 |
本版城市8的探索选择干预：发现点60→61，接人数94→146，送达85→120；额外35名送达均来自干预前已知站点，实际清障量27.50→45.00。该单次选择同时改变后续观测和联盟配置，尚未拆出两者各自贡献。
基础评分把服务预览替换为几何下界；协作评分读取详细服务预览，并减去空队伍基准。本轮已确认队友为空时，协作分数恒为0。四个固定自然状态中，25个尚无确认队友的成员—任务组合对22:29服务字段变化的总分响应均为0。本版城市8第300步，其中14个组合的原始服务预览为none。该测试证明评分依赖边界，未量化它对最终人员差距的贡献；同一缺口在两版均存在。
对固定规则单独移除详细服务字段、保留同样几何量及其他报告的对照如下。这是信息依赖诊断，固定最强规则保持原样；也不等同HATT的总信息范围，因为HATT的非空队伍协作分数仍读取这些字段。
| 城市 | 完整信息规则送达 | 规则移除详细服务字段后 |
| 8 | 198 | 203 |
| 23 | 116 | 173 |
另一组预先固定的32城验证：32/32完成，固定原规则的对应城市直接复用，初态哈希和期限逐城一致。
原规则52.71%，几何估计规则53.07%；差+0.35个百分点，配对城市区间[-1.56, +2.25]，胜/平/负为18/0/14。基线协议的变更需另行记录，原评估继续保留原比较对象。
分区输入固定状态置换：
- 本版/100局城市8：评分最大变化5.155392；教师标签变化范围2至6名成员。
- 本版/100局城市23：评分最大变化7.221802；教师标签变化范围0至1名成员。
- 上一版/100局城市8：评分最大变化0.000000；教师标签变化范围0至0名成员。
- 上一版/100局城市23：评分最大变化0.000000；教师标签变化范围0至0名成员。
本版已恢复对分区信息的评分响应。输入响应存在与行动有效性分别评价；旧输入缺失可以验证，本版剩余差距需要继续查决策和学习。
| 版本 | 真实episode前300步所选动作 | 实际PPO决策数 | 标准化优势均值 | 正优势比例 |
| 更早作业保持版/50局 | UAV探索 | 4561 | +0.145 | 42.03% |
| 更早作业保持版/50局 | UAV复查已知任务 | 6450 | -0.680 | 21.83% |
| 更早作业保持版/50局 | 地面救援任务 | 8039 | -0.466 | 31.52% |
| 上一版/100局 | UAV探索 | 7271 | +0.811 | 59.70% |
| 上一版/100局 | UAV复查已知任务 | 15252 | -0.113 | 45.10% |
| 上一版/100局 | 地面救援任务 | 11347 | -0.157 | 37.14% |
| 本版/100局 | UAV探索 | 6675 | +1.037 | 68.42% |
| 本版/100局 | UAV复查已知任务 | 15818 | +0.162 | 59.17% |
| 本版/100局 | 地面救援任务 | 10546 | +0.080 | 54.15% |
来自update35及之后实际保存的更新前数组；按ego剩余时间识别episode阶段，处理rollout跨回合。奖励到终局的差值只是一条实际轨迹回报；未完成rollout尾段使用原critic值自举。所选动作的优势统计不能给未选动作估计因果价值。本版早期探索动作的优势总体为正，现有证据不支持直接把探索不足归为所有探索都受负奖励。
本版城市8的100步状态，手工指导推荐探索，actor选择复查；改为规则探索目标后送达85→120，原任务AT分数高于探索目标而两者AA修正均为0。另一状态中指导推荐的复查目标恰为替换目标，送达85→59。指导存在正确方向与有害具体建议，不能把模仿指导当作效果保证。
任务选择、成员匹配、接近保持的完整终局对照已按实际完成项列出。清障灭火通过真实有效作业计数和准入拒绝定位；尚未逐个对象替换维修作业。车载后的返程由环境自动安排，现有策略重选机会为0；路线检查确认部分车辆在当前真实与报告地图上均无返程路，电量充足且真实移动探针位移为0。该结论定位当前阻断，最初何时失去通路及是否可由其他成员及时维修仍待检查。
学习式第三创新点尚未部署；保持10步是冻结执行诊断，不能当作第三创新点的最终效果。六份旧接人检查曾因服务预览索引错误误判无机会，已全部撤回、保留在superseded_pickup_probe，并以修复后的同任务重试结果替代。
总体多城结果及旧版128城完成结果见paired/REPORT.md；本版尚未完成的held-out任务继续等待，跨不同测试城市集不直接相减。数据源哈希、完整轨迹和未触发项保留在stage_assessment.json。