# 来源、研究决策与复核路径

交接包于 2026-09-07 开始整理，2026-09-08 完成。报告使用三类依据：用户对话确定研究意图；冻结配置和当前代码确定实际条件与实现；实验结果文件确定数值。CHANGELOG 用于定位研究事件与设计沿革。每项数值结论优先回到对应结果文件核对。

## 继承的研究决策

| 时间与会话标识 | 继承内容 | 本包落实位置 |
|---|---|---|
| Codex，2026-09-05，`01a06fba-9652-7f83-bae6-e21a44f3d22e`、`01a070bf-129b-7963-82a9-091741e14e08` | 以 v3.3AA 及更深的关系设计为研究主线；通过冻结策略的特殊情境验证重组行为；论文表述依赖真实材料 | 研究章、E06、后续验证约定 |
| Claude，`ba449dc0-e658-4992-a5f8-fe41a5abe18e.jsonl`，2026-09-06 至 09-07 | 先实现服务任务上下文，命名 v3.4；taskctx/noctx 各三 seed；共享状态库由 v3.3AA 与 MAPPO64 分别生成；优先 critical/replaceable 配对；服务摘要包含被观察成员 k | 方法章、E05、交接章 |
| Codex，`01a02cef-b02b-7c03-ba94-1aad078ef0c5`，始于 2026-08-23，后续持续更新 | 外部方法复现、输入 schema 核对、字段尺度与函数保持初始化 | E07、E10、E11 |
| Codex，`019fbcfb-3d1b-7e60-988e-bb02ab0d5168`，始于 2026-08-01 | event 日程、关系门控与正式评价协议的设计沿革 | 环境流程、E01–E06 |
| Claude，`6a4d4a0b-e819-44d7-93ce-b7e67f643e80`、`0e7d22b5-94c8-441c-8426-11c4d457fb4b`、`cbca4f98-7b10-464b-8392-a1912eaa2b6e` | 方法解释、DelivCoal/CapCoal 及外部基线的历史结果讨论 | 原始产物复核后的实验汇总 |

会话按上述标识在本机会话存储中查阅；本包只保留研究决策摘要。CapCoal 的初始发现条件、v3.4 训练预算、各组 selector 和外部指标定义均按实际代码及冻结产物填写。v3.4 的训练配置为 1500 episodes、名义 112.5 万环境步；任务实际完成数和交互步数由训练记录确定。

## 代表性实验来源

以下为仓库相对路径。网页提供抽取数据下载，完整原始产物继续保存在仓库的 runs/analysis 下。[逐文件 SHA-256](evidence/sources.json)

| 实验 | 原始组目录或分析目录 | 包内可读数据 |
|---|---|---|
| E01 正式 v2.0 | `runs/20260818-0040_hatt-formal-training-sequence` | [正式逐 seed](evidence/formal_by_seed.csv) |
| E02 几何与覆盖 | `runs/20260820-1505_delivcoal_sector-geometry-structural-attribution` | [共同三 seed](evidence/common_three_seeds.json) |
| 末期窗口 | `runs/20260821-1045_delivcoal_final-window-evaluation` | [窗口逐 seed](evidence/final_window_by_seed.csv) |
| E03 槽重排 | `runs/20260808-1622_delivcoal_coverage-slot-permutation` | [Deliver](evidence/deliver_summary.csv)、[Explore](evidence/explore_summary.csv) |
| E04 AA | `runs/20260822-1223_delivcoal_hatt-v33aa-focused` | [冻结干预](evidence/aa_frozen_interventions.json) |
| E05 v3.4 | `runs/20260906-2158_delivcoal_hatt-v34-taskctx-delivcoal-focused`；`analysis/hatt_v34_taskctx_20260907` | [逐 seed](evidence/v34_final_by_seed.csv)、[周期验证](evidence/v34_periodic_validation.csv)、[选模](evidence/v34_selection_and_windows.csv)、[场景配对](evidence/v34_paired_scenarios.csv) |
| E06 优先级 | `analysis/priority_reconfiguration_20260905` | [配对效果](evidence/priority_reconfiguration_20260905_across_training_seed_summary.csv) |
| E07 schema | `runs/20260903-1846_delivcoal_sector-schema-bridge-bcde`；`runs/20260904-1243_hatt-v20-task-schema-causal`；`runs/20260905-1200_hatt-v20-function-preserving-padding` | [正式聚合](evidence/formal_aggregate.csv)、[配置字段](evidence/research_settings.csv) |
| E08 CapCoal | `runs/20260812-2342_delivcoal_capcoal-midscale-legacy-completed-independent-recovery` | [CapCoal](evidence/capcoal_aggregate.json) |
| E09 GymRT2A | `analysis/gymrt2a_reproduction_20260724`；`analysis/gymrt2a_hatt_eval_20260725` | [官方](evidence/gymrt2a_reproduction_20260724_official_summary.csv)、[HATT](evidence/gymrt2a_hatt_eval_20260725_heldout_summary.csv) |
| E10 官方复现 | `runs/20260828_heteromrta-cfm-official-eval-50`；`runs/20260828-1435_small-baseline-convergence` | [CFM](evidence/cfm_official.json)、[CFM 学习](evidence/cfm_small_learning.json)、[MRT2A 学习](evidence/mrt2a_small_learning.json) |
| E11 外部适配 | `runs/20260830-2132_cfm-marl-mrt2a-delivcoal-adapter-screen`；`runs/20260831-1333_cfm-long-s10-sampled`；`runs/20260831-1333_mrt2a-cap-lr-s10`；`runs/20260831-1333_mrt2a-cap-entropy-s10` | [适配协议与结果](evidence/external_adaptations.json) |
| E11 PCFA | `runs/20260828-1330_delivcoal_20260828-pcfa-delivcoal-reproduction` | [PCFA](evidence/pcfa_results.json) |
| E12 历史对照 | `runs/20260725-2214_delivcoal_hatt-v20-detached-causal-delivcoal`；`runs/20260729-1311_delivcoal_hatt-sector-coverage-recurrent-delivcoal`；`runs/20260813-1841_delivcoal_delivcoal-qmix-vdn-hattqmix-five-seed` | [历史逐 seed](evidence/legacy_by_seed.csv) |

`formal_by_seed.csv` 也保存 schema pilot 等相邻实验的结果，供按条件继续查阅。正文选择具有代表性的同条件组；每个训练 job 的两个 selector 分行保存。同一 checkpoint 的重复评价保持标识，跨训练 seed 均值按独立训练任务计算。

## 数值如何重建

在原工程根目录执行：

```bash
conda run -n rl-251031 python html_logs/research_handoff_20260907/collect_evidence.py
conda run -n rl-251031 python html_logs/research_handoff_20260907/write_experiments.py
conda run -n rl-251031 python html_logs/research_handoff_20260907/check_implementation.py
conda run -n rl-251031 python html_logs/research_handoff_20260907/build_bundle.py
```

第一步只读 runs 与指定 analysis 文件，重建抽取结果和来源哈希；第二步据此生成实验表；第三步构造当前环境/网络并运行已有 v3.4 测试；第四步保存当前代码快照、渲染网页、校验链接与生成下载包。重建会更新本报告目录中的对应派生产物。代码快照表示打包时的工作区内容，文件哈希是交接版本的精确标识。[快照清单](code_manifest.json)

## 论文参考来源

| 文献 | 本报告引用用途 |
|---|---|
| [Proximal Policy Optimization Algorithms](https://arxiv.org/abs/1707.06347) | PPO 截断目标与训练框架 |
| [The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games](https://arxiv.org/abs/2103.01955) | MAPPO 基础与多智能体训练参照 |
| [Deep Sets](https://arxiv.org/abs/1703.06114) | 集合聚合、排列性质的已有理论背景 |
| [QMIX: Monotonic Value Function Factorisation for Deep Multi-Agent Reinforcement Learning](https://arxiv.org/abs/1803.11485) | 值分解 baseline 的 mixer 约束 |
| [Value-Decomposition Networks For Cooperative Multi-Agent Learning](https://arxiv.org/abs/1706.05296) | VDN utility 求和 |
| [CFM / HeteroMRTA 原论文，作者实验室 PDF](https://marmotlab.org/publications/73-RAL2025-HetMRTA.pdf) | 异构任务调度、constrained flashforward、官方环境定义 |
| [Learning Policies for Dynamic Coalition Formation in Multi-Robot Task Allocation](https://arxiv.org/html/2412.20397v2) | MARL-MRT2A 的空间策略、意图共享与动态联盟任务 |

文献说明已有方法的定义；本项目的效果数值来自上面的本地实验产物。代码索引包含已使用的外部关键文件与对应许可文件。