后续研究与工程交接
本章区分已完成的交接内容与后续拟执行工作。当前包已整理 v3.4 方法、完成的训练测试、代表性历史对照与代码快照。以下实验和工程修改是基于现有实现提出的执行约定，供决策后落实。
方法主线怎样保持集中
当前可统一描述的方法对象是任务条件化的关系策略：实体编码提供输入；AA/AT 形成关系消息；当前任务归属决定消息进入哪个候选；v3.4 为 AA 增加服务任务摘要；PPO 学习最终任务概率。v3.4 相对 noctx 增加 512 个参数，计算链沿用原有关系算子。方法章
从论文组织看，可把“成员关系如何依赖已承担任务，并参与候选评分”作为一个主贡献，把排列一致性作为结构性质，把优先级响应和服务承诺实验作为验证。这一组织的具体依据是候选路由代码、同条件训练结果与冻结策略的事件响应。候选论文表述见 研究章，当前可引用数值见 E01–E06。
后续结构调整可使用同一决策标准：明确新增信息对应的决策条件，给出该条件下可检查的行为，再度量闭环后果。服务任务上下文已经提供了一条这样的输入通路；下一步优先完成沿该通路的实验。
已继承的源联盟配对实验
按 Claude 指定会话的决策，状态库分别由 v3.3AA learned 和 MAPPO64 生成，并供所有被测 checkpoint 共用；记录状态来源、回合阶段、任务可见性及原动作。冻结本轮已锁定的 v3.4 taskctx/noctx，并保留 v3.3AA 参考模型。当前入口为 evaluate_source_commitment.py。
配对首先以物理载荷定义源任务条件。设源任务剩余需求为 D，焦点成员载荷为 L_i，其他已分配且存活成员的载荷之和为 L_−i。关键成员条件要求 L_−i < D ≤ L_−i + L_i；可替代条件要求 D ≤ L_−i。这些约束描述当前已承诺载荷的覆盖情况。进一步保存到达时间、可用电量与补给距离，由后续执行确定完成后果。生成器应逐状态输出这些量及约束检查结果。环境交付定义
对合法配对交叉设置源依赖程度与目标优先级，保留相同焦点位置、资源和候选可达性。即时评价保存完整动作概率、实际激活掩码、stay/transfer 动作。随后从同一状态分别强制焦点首次留下或转移，再恢复相同策略闭环执行，记录源任务完成延迟、目标任务提前量、加权完成结果与补给次数。预先固定最终指标，例如在固定终点对已完成任务 priority 求和，并同时保留原环境回报和全队任务完成率。这样可把局部动作响应与固定后续策略下的执行后果关联起来。优先级实验接口
各状态来源、各训练 seed 分层汇总；统计单位保持为独立训练 seed 和配对状态。采样数量、阶段范围与被排除状态的原因在运行前固定。已有 source 脚本可复用状态复制和推理入口，物理标签校验与闭环结果字段按上述约定补齐。
同类思路的进一步证明实验
| 情境与控制变量 | 需要观察的行为和后果 | 从现有材料出发的依据 |
|---|---|---|
| 替代成员即将抵达：保留载荷总量，改变替代者预计到达源任务的时间 | 转移时机随替代到达时间的变化；源任务延误、目标提前量 | 指定会话已提出 arriving 条件；当前物理过程为移动后分次交付 |
| 多名成员同时面对新任务：在共享状态上比较全体重选与只激活一个焦点成员 | 同步退出人数、源任务剩余承诺、全队完成后果 | E06 首次重选平均 5.198 次归属变化，包含非事件目标之间的转移 |
| 目标优先级相同，路途/电量成本变化：配对目标位置或焦点剩余电量 | 转移概率与实际抵达、补给、交付时刻的关系 | actor 含资源和位置；路径与补给由环境执行 |
| 全部配送目标已知的状态库，与探索中的状态库分层 | 同一关系机制在不同信息阶段的动作响应与完成后果 | E02 的覆盖输入影响发现率；E06 当前由原策略产生事件前状态 |
这些是待执行的冻结 checkpoint 情境实验。目标是分别读取任务价值、成员可替代性、执行成本和同步决策的作用；每个实验沿用配对状态、明确干预和后续回报的记录格式。全可见状态属于新的评价条件，记录其与训练分布的对应范围。
可能需要的工程性修改
| 接口 | 建议的具体更改 | 现状依据与验证方式 |
|---|---|---|
| 服务资源摘要 | 明确选择“除 observer 外的资源”或“全联盟资源”语义；若使用实际载荷缺口，先恢复每个成员载荷上限，再统一归一化 | 当前为 Σ(load/init_load)/N，others 排除 observer；用手工两/三成员状态核对守恒和成员范围 |
| 输入字段 | 为 compact/full 的字段名、单位和类型建立可读规格，checkpoint 保存 schema 标识；类型条件字段解码复用统一函数 | E07 给出了尺度/投影对照；已有特征初始化测试可用于回归 |
| 机器人类型 | 按实验目标明确固定 UAV/UGV 数量或随机类型生成；在摘要中保存实际类型计数及能力分布 | 当前 4+8 得到总数 12，Agent 自行随机类型；环境章记录实际公式 |
| 环境信息条件 | 将团队共享信息、任务初始可见性、底层路径可用障碍信息写入运行元数据；如研究有限通信，再显式定义距离、时延和消息内容 | 当前共享观测与全图路径规划，见环境章 |
| 奖励来源 | 将 shaped 分支的有效系数保存为可核对快照；参数外置时做逐状态奖励等值检查 | 当前有效系数定义在 DelivCoal 环境函数内 |
| 评估状态复制 | 保存 RNG、路径、覆盖图、事件、当前归属和资源；导入后核对下一步状态及奖励 | 优先级脚本已有复制路径；源联盟实验依赖同一物理状态 |
| 配对评估产物 | 增加物理标签、干预字段、首次激活、源/目标完成时间和固定终点结果；与聚合 CSV 关联 state_id | E06 已保存概率与轨迹结果，源条件入口可以沿用 |
| 外部方法对齐 | 固定实际输入字段、greedy/采样方式、POMO 交互量、有效决策步和真实环境步；共享独立验证与测试场景 | E11 的现有适配组提供各协议的基准结果 |
这些修改分别服务于可复现性、物理语义和证据质量，可以写入实现附录或实验设置。将其中任一项提升为论文方法贡献时，需要给出对应研究问题与验证结果。
训练和评估接口交接
后续修改 checkpoint、周期验证、最终测试或进度网页前，按仓库要求阅读 docs/EVALUATION_PROGRESS_HANDOFF_20260817.md，然后逐项核对当前实现。该文件给出目标协议；本包的 E05 表述按已完成产物填写。
维持组级 status.json 的唯一写入与原子更新；训练、周期验证、final-window、final-test 分阶段记录 planned/submitted/completed。训练 seed、checkpoint 与评估 seed 分别保留。每个 job 锁定 validation-best/last 后提交独立最终测试，其他训练继续执行。网页读取脱敏静态 JSON，实验数据和模型留在 runs。队列代码、窗口队列
交接包保存代码的当前副本与哈希。重启训练或评估前，以目标 run 的配置、checkpoint 兼容性和当时环境版本为依据；本包的代码清单用于定位调用链与审阅。原始运行产物的精确路径见 来源章。