# 托盘mask模型改进：独立有界执行

2026-10-26。用户新授权执行D0/D1/D2及A0–A3/B0–B1，不是继续原训练。
最终状态：**七项各1000唯一训练更新、共7000步，strict全链验证通过；质量/校准/语义门禁仍阻断，生产交付0。** 最终权威回执为 `outputs/pallet_mask_model_improvement_v5/strict_audit_v2/STRICT_FINAL_HANDOFF.json`。
运行证据：M1在v3，M2 B0训练在v4且最终评估恢复在v5，B1训练/评估在v5；三版263份冻结数据字节完全相同。旧`FINAL_HANDOFF.json`/旧evidence及v4 strict partial完整保留，不能单凭旧顶层passed认定7项完成。

**后续真实失败/恢复更新：v4 strict审计已按预期fail-closed，状态partial（五M1完成，B0失败、B1未启动），原回执不改。B0实际已跑满1000步，之后Lightning teardown将模型移回CPU，最终评估输入仍CUDA，导致评估阶段设备不匹配。新v5仅恢复原B0固定best评估（0新optimizer steps），并运行原计划B1（通用起点1000步）；没有重训B0或新增矩阵项。最终权威入口改为 `outputs/pallet_mask_model_improvement_v5/strict_audit_v2/STRICT_FINAL_HANDOFF.json`，明确绑定B0训练v4/评估v5、B1训练评估v5，严格验证七项唯一训练合计7000步后才可写全部完成。**

## 新冻结数据

- 一次性绑定 `outputs/pallet_mask_continuation_sources_v10/`：1,520份研究轮廓＝482 pose＋1,038 gallery，图库1,144事件，原1,088事件原字节前缀保留。
- 36个新增distinct目标不等于56条追加事件；最新v5为5事件/4图，合法重复修订不能去掉。
- 重新运行全12,344目标的group/frame/PCD/image-pixel及跨class/policy近重复连通审计：408分量，1条跨class近重复连接。连到formal val/test的train候选拒绝；不读取其polygon作监督、评估或选模。
- formal-train研究来源693份。保留旧229的226个未变polygon，3个最新合法polygon修订重新视觉审查。
- 新增36中1份formal val排除；35份train逐图审查，1份Class19斜视/深度歧义隔离，34份仅获本版研究mask监督许可。Class16稳定窄条轮廓按实际观察面保留，Class19观察面/角点语义仍unknown；不补孔、不补点，不改任何GT/pose/robot/自动训练资格。
- 最终**263份/25全局分量**。原框context ROI，不取人工polygon bbox作输入；已知邻框与context相交拒绝，padding不计loss，未知未框邻面仍是残余风险。

| 用途 | 图数 | 独立组 | 约束 |
|---|---:|---:|---|
| train | 172 | 13 | 13个已纳入类别均有train支持；class/group/policy仅离线采样/审计 |
| dev | 86 | 10 | 仅正式train内部开发；已看组，不是盲测 |
| calibration | 5 | 2 | 仅训练结束后评价，不能支持可靠发布校准 |

划分先保train类别覆盖，再保多组类dev覆盖，seed42组件hash打破平局，预先固定，不用模型分数、polygon形状或旧模型质量。
Class17仍train5/dev38，稀有类及结构跨组证据不足；不能宣称22类泛化。全部构成、每格组数见 `dataset_manifest.json`。
**dev达到10组不意味着发布：cal仅2组、无质量概率校准和新语义人工试运行，仍阻断。**

## 冻结/合同过程中的真实问题

- v1：准备前置检查把pose库历史mask事件与之后pose-only current修订载荷误要求完全相同，未输出训练数据或使用GPU。失败回执保留，改为分别绑定当前payload哈希与唯一可恢复历史mask事件的polygon，再开v2。
- v2：均分3折导致多个类别train为0，违反D1覆盖目的；数据已冻结但禁止用于训练，保留完整证据，开v3。
- v3：数据导出完成后，工具120秒超时中断静态after检查；没有重写冻结数据。通过独立只读before/after校验恢复，保留中断回执。
- v3的M2 B0在训练前API校验失败：固定1.11的`lr_drop`应在`lr_scheduler_kwargs`而非顶层。失败完整保留，未把失败记作完成；独立新增compatibility文件，在v4进程内仅转换配置字段位置，不改运行中M1代码/旧模块/上游磁盘包。v4复制同一冻结数据字节，从同一通用权重重新起步。追加API合同后共77测试通过。

两卡已取得实际首个optimizer-step回执：M1 batch8、峰值1,285,206,016 bytes；M2 batch2×accum4、峰值2,284,639,744 bytes。这只证明实际训练开始，不代表1000步完成或达标。

独立review指出旧evidence在缺completion时仍用顶层passed措辞。未改live worker/旧回执，另加`mask_model_improvement_strict.py`和strict wrapper：只有7个正确root、真实completion、CPU加载last=1000、冻数据/代码pin和全部dev/cal原生RLE度量复算通过，才写全完成；missing/failed/invalid明确partial，且静态/历史/预算任一失败均不通过。预算按**所有v1–v4合计<25GiB、项目free≥10GiB**检查，而非只按run目录。
新增fail-closed/错误root/总量预算合同后共**80测试通过**。独立review的A3_freeze CPU推理2个近阈值像素与冻结GPU-RLE不同（CPU .50008559/.49983293），保留为**开放差异、无事前容差**，不发明事后容差，也不改RLE。CPU重载checkpoint＋RLE原生度量复算通过，**不等于CPU/GPU模型推理逐像素相同**。

v5新增设备恢复及明确source-chain合同后**83测试通过**。B0恢复已完成（source best_step946、原1000步、恢复0步），原失败完整保留；B1已取得真实首个optimizer-step回执（batch2×accum4、峰值2,271,909,376 bytes）。新增严格审计按所有**v1–v5合计<25GiB、项目free≥10GiB**检查，pidfd等待v5队列，不轮询。

## 七项有界短筛的实际结果（strict全链已验证）

**最终strict已通过**：`outputs/pallet_mask_model_improvement_v5/strict_audit_v2/STRICT_FINAL_HANDOFF.json`，SHA256 `211a3326d0bdc5937d1512a042eddaf252e4b29ac3b606ef86565a435403a2a6`。七项全部逐条verified，唯一训练更新合计**7000**，errors=[]；不是发布放行。CPU加载best/last、原生RLE复算、数据/代码pin、旧694文件/两模型/公开文件/配置/正式数据静态保全通过。所有v1–v5合计约**3.575GiB**、项目free约**49.85GiB**。

最终一次性并发历史审计观察图库**1,178事件/1,070 current**：相对v10追加34事件/32 distinct keys，全部真实三元绑定验证通过；v10原1,144事件前缀原值保留，选中263训练来源没有被动态追加/替换。新的v6 namespace和人工保存合法保留，不要求live一直等于v10，也不把未来新轮廓当本轮训练数据。CPU/GPU推理两像素差异仍是开放项，未声称bitexact。

M1五项各1000步已完成；B0实际训练1000步＋v5零训练步恢复评估，B1实际1000步已完成。不是把失败回执改成成功，也没有B0重复训练预算。

| run | dev IoU中位 | P10 | HD95中位px | 1px F1中位 | macro-group IoU | macro-class IoU |
|---|---:|---:|---:|---:|---:|---:|
| A0 | .8917 | .8521 | 2.177 | .7638 | .8410 | .8570 |
| A1 group sampler | .8857 | .8484 | 2.000 | .7644 | .8591 | .8632 |
| A2 mask-only | .9054 | .8710 | 2.000 | .8666 | .8644 | .8755 |
| A3 freeze-only | .8891 | .8406 | 3.000 | .7524 | .8477 | .8644 |
| A3 photometric-only | .9117 | .8746 | 2.000 | .8690 | .8500 | .8692 |
| B0 recovered evaluation | .8434 | .7954 | 3.000 | .5556 | .8285 | .8301 |
| B1 valid point-loss | .8989 | .8623 | 2.000 | .8460 | .8661 | .8676 |

均为同一86dev/10组、原生固定阈值.5、冻结研究参考标签，不是最新GT或22类盲测。M1以macro-group优先时A2最好，逐图中位则photo最好，不能逐目标挑两者。所有M1变体相对A0的整组配对bootstrap差值区间均跨0。B1-B0 macro-group增益.03764，5000次配对整组bootstrap95%区间[.02025,.05261]；仍受同组dev选模/单seed/有限组影响，不是无偏外部显著性结论。

B2只作同模型推理诊断：raw-logits原生单次阈值相对旧硬mask双阈值，逐图IoU差中位B0 +.002918、B1 +.000704，原生不同像素中位63/60.5。两条训练路线都使用同一新后处理，**不能把B2收益捆绑归因于B1 point loss**。

详细分组/类别/policy、5张cal/2组全部输出、risk–coverage及接受集null见各run `dev_quality.json` / `calibration_quality.json`；M1配对摘要 `v3/M1_SCREEN_SUMMARY.json`，M2摘要 `v5/M2_SCREEN_SUMMARY.json`。当前没有任何配置达到.95发布目标；未启动A4/A5、未加seed、未用formal val/test调参，也没有生产交付。

CPU合同＋旧回归75项通过，`contracts.xml`绑定结果。包括：非连续query/任意batch顺序；0/1/多实例；13组query与aux/enc梯度；dense/factorized logits及梯度等价；零匹配同时连接spatial/query/bias；padding改变不影响valid损失/匹配；FP32 BCE/Dice/cost及BF16 autocast；薄横竖线、斜边、凹面和无padding像素中心roundtrip。
M1测试证实辅助edge头没有到mask-head的直接梯度；mask-derived软边梯度路线仅技术测试，不混入本轮训练。

## 固定短筛矩阵

全部seed42、从已验SHA的通用权重重新初始化、每run **1,000实际optimizer updates**，best/last有界保存。
新数据/同组划分/同原生选择规则，不与旧229开发分数冒充同分母比较。

| run | 唯一变化 | 不变项 |
|---|---|---|
| A0 | 两头锚点 | 512×160；batch8；encoder3e-5、decoder3e-4；AdamW/WD1e-4；BCE+Dice+.25edge |
| A1 | 先均匀抽组再抽图（等价每图1/组大小权重） | 不叠加class权重 |
| A2 | edge权重0 | 不另加mask边界loss |
| A3_freeze | encoder前5epoch冻结，此后恢复锚点LR | 不改增强或LR方案 |
| A3_photometric | 弱图像gain/gamma/noise/blur分布 | 不加bbox jitter、翻转、透视或人工ROI |
| B0 | 原nearest-dense、保留padding-ignore adapter锚点 | RF-DETR-Seg Small 576；13组；batch2×accum4；1e-4/1e-5；EMA及上游检测损失 |
| B1 | matched mask loss改为valid内2,048点（75%不确定＋25%均匀）/FP32 | 架构、matcher、EMA、optimizer、数据和后处理均与B0相同 |

B0/B1共同合同修复：FP32累加、padding插值输入屏蔽、query顺序/零匹配安全；保留同一global-point matcher，不把matcher采样变化捆绑到B1。
全部用raw float logits→原生→sigmoid→**全局固定.5阈值一次**；query只按分类分数排序。
旧“双阈值硬mask回映射”仅另存`B2_inference_only_*_double_threshold_diagnostic.jsonl`，不进入B0/B1选模，也不归因于B1 loss。

## 选模、GPU与放行

- 所有run统一按dev原生macro-group平均IoU、min_delta .001保存best，不搜索逐图阈值/query/平移。记录P10、HD95、1px F1、macro-class、policy/structure/group分层及整组bootstrap；M2另留上游mask/box AP。
- calibration仅在训练完成、best冻结后评价固定规则；置信度risk–coverage仅描述，不当拓扑或轮廓质量概率，接受集固定null、生产交付0。
- M1 UUID `GPU-3315c096-fef4-7350-483a-7c5f5ca2b619`；M2 UUID `GPU-09ed84c8-4dee-efc0-dc1d-deda5177e4e8`。每worker启动前重新查占用，单进程单UUID，绝不用3090。
- 复用通用ResNet18 `f37072fd…` / RF-DETR-Seg Small `6de3da31…`缓存，禁止旧47面或本任务旧finetune续训。固定torch2.6/torchvision.21/rfdetr1.11，不升级依赖。
- 实验总量<25GiB并留≥10GiB；不删任何旧文件。旧694冻结文件、2模型、旧规范代码/public文件/config/formal文件有before/after哈希，人工库按原事件前缀＋真实后续三元绑定审计，允许合法current修订并明确superseded。
- 不动态追加未来人工保存；v10训练源版本可恢复，不宣称是未来最新GT。没有线上激活。
- ≥10组、IoU中位≥.95、≥90%≥.90及逐图HD95门槛不放宽；语义/校准/人工试运行仍独立必要。没有自动A4/A5或seed43/44。

入口：M1 `scripts/run_mask_model_improvement.py`，M2 `scripts/run_mask_model_improvement_retry.py`。队列用子进程exit wait；启动回执用inotify；原完成审计 `scripts/verify_mask_model_improvement.py` 后，再由 `scripts/verify_mask_model_improvement_strict.py` pidfd等待其退出并独立严格复核（含ctypes fallback），不睡眠轮询运行状态。完成时CPU重载best/last、核对1000步、所有dev/cal原生RLE重新算IoU/HD95/F1，且复核旧静态产物与可合法追加的人工历史；后续v6 namespace合法追加不意味着动态加入训练。
