- 独立仓库（本地
E:\O1-Flash，云端AwareLiquid/O1-Flash），O 系列 ARR 的 System One 化：纯决策读出，无文本生成 - 核心：
mt_flash/（liquid_core / decision_heads / calibration / schema / model / state_tokenizer / config），15 测试全过 - 定位：Jev（TypeSafe 2026-09-15）并行决策理念 × O(1) 液态状态的端侧版
| 项 | 证据 |
|---|---|
| 液态递归核独立移植（MTLNNLayerV2 数学） | tests/test_liquid_core.py：O(1) 状态平坦/流式前缀=全量/重置确定性/选择性衰减 init 恒等 |
| 屏蔽扫描（pad 不污染状态） | 实测：无屏蔽时信号在前 0.48 → 屏蔽后 1.0（DESIGN §7） |
| 混合读出（联合训练修复） | 联合 3 问题：纯液态 0.19-0.31 → 混合 0.73/0.81/1.0（DESIGN §7） |
| mean-pool 读出定型（2026-09-20） | 变体对比见 DESIGN §8：mean-pool 0.977/0.973/1.0；default 配置 dept/sev 1.0、urgent 0.992 |
| 并行决策头（每问题独立读出，无跨问题通路） | tests/test_decision_heads.py：问题独立性/schema 有界/置信度=峰值度 |
| 校准参考 + 联合训练循环 | tests/test_calibration.py + tests/test_train.py：Brier/ECE 手算值 + 联合训练全问题过阈值 |
| 级联路由 FastSlowRouter | tests/test_cascade.py：阈值分区/边界校验 |
| 分块向量化扫描（静态衰减） | tests/test_liquid_core.py::test_chunked_scan_matches_sequential：与顺序循环等价（T=32 内 1e-3） |
| ONNX 固定 schema 导出 | tests/test_export_onnx.py：onnxruntime 实际推理与 PyTorch 决策级一致 |
| 真实基准（模板改写 + 留出集） | tests/test_realistic_bench.py：留出组合泛化超随机基线 |
| banking77 真实数据训练 | GPU 服务器 A100：1500 步 23.28% → 2 万步 37.89% → 20 万步 40.81%；ECE 0.476 |
| 训练不稳定发现（2026-10-04） | lr=3e-3 在 GPU 竞争下会发散：本机与服务器各复现一次"先学会（loss 4.2→4.0）再崩回随机"（acc 1.3%）；同码同 seed 在空闲 GPU 上两次成功（37.89%/40.81%）⇒ 不是环境问题，是 3e-3 的边界稳定性。已加 --lr，默认改 1e-3；重训+校准验证中 |
| 温度缩放校准（2026-10-04） | lr=1e-3 重训 2 万步：acc 30.23%（稳定未崩）；ECE 0.485 → 0.161（T=5.04，LBFGS 拟合，改善 3×）——校准有效，O1-Flash 的输出可信度可修复 |
| lr-精度权衡 | 3e-3 稳定时可达 37.89%/40.81% 但竞争下会发散；1e-3 稳定但平台 ~30%。结论：用 1e-3 + 温缩放拿可信数字；追精度需 lr 调度（warmup/decay）而非裸 3e-3 |
| lr 调度验证（2026-10-05） | 3e-3 + warmup 500 + cosine→10%：acc 33.28%，全程稳定（loss 4.29→3.94 无发散）；ECE 0.469→0.161（T=4.77）。同 2 万步三方对照：flat 1e-3 30.23% < sched 33.28% < flat 3e-3 幸运跑 37.89%（会发散不可靠）。结论：调度修住了稳定性且找回 3 点，但 4.5M 小模型在 2 万步下调度衰减偏快；追 38%+ 需更长步数（200k 达 40.81%） |
| 200k 长跑终值（2026-10-05） | 调度版（3e-3 + warmup 500 + cosine） 跑满 200k 步全程稳定无发散：acc 40.75%、ECE 0.456 → 0.127（T=4.411）。对照：此前 flat-3e-3 幸运跑 40.81%（统计无差 ±0.06pp，但那次会发散）。结论：lr 不稳定性在长跑尺度彻底收口，且校准后可信度更好。checkpoint 18.2MB 已拉回本地 checkpoints/o1flash_banking77_200k_sched.pt（HF 上传待定） |
| 全测 | pytest tests/ -q → 26 passed |
- 真实数据决策基准（模板库仍是合成；OOV 泛化需真实票集）
- 选择性衰减的向量化扫描（当前 selective 路径仍走顺序循环）
- ONNX 导出官方部署说明（量化 int8、多平台 runtime 示例）
- 训练参考的数据管线化（无 pad 屏蔽之外的增强）
- 混合读出的消融：原始嵌入并接是否可在流式下渐进式处理（当前仅 prefill）
- 两层隔离：① 线性探针（bag-of-bytes→dept）acc 1.000 → 数据可分； ② mean-pool + 线性头 on y → dept 0.996 → 编码器携带信号，纯液态读出 是瓶颈（与 §1 混合读出的修复一致）。
- 线性头参考上限：encoder + 线性头（tiny 与 default 两档）三任务全 1.0 （default d256/4L loss 3.45→0.04）——线性头是读出侧的能力天花板， 混合读出（0.73/0.81）与 option-matching（0.22/0.27）之间的差距 = 读出机制的可改进空间。
- 结论：信号损失不在编码器（y 可分），在读出对齐；混合读出的修复方向正确。
- 状态尺寸必须与 T 无关：任何把 h 改成含 T 维度的"优化"都是架构回归，
test_state_size_flat_across_context_lengths就是那条红线 - 问题头之间不许加注意力：跨问题通路会破坏独立性测试，也会破坏 "加一个问题不涨价"的成本结构
- 置信度只认峰值度：别换成 softmax max 等未定义语义的量
- 本仓不引入 M1 依赖；数学移植逐行对照，代码独立实现