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

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

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：

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

论文参考来源

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。