分类首批：6 道通过确认的排序题

首次公开解释审核 · 完整复评协议

{
  "more_parameters": {
    "admitted": 6,
    "ordered": 4,
    "tie": 2,
    "not_applicable": 0,
    "correct": 3,
    "comparable_pairs": 12,
    "correct_pairs": 11,
    "accuracy_when_ordered": 0.75,
    "accuracy_on_comparable_pairs": 0.9166666666666666
  },
  "more_training_steps": {
    "admitted": 6,
    "ordered": 0,
    "tie": 6,
    "not_applicable": 0,
    "correct": 0,
    "comparable_pairs": 0,
    "correct_pairs": 0,
    "accuracy_when_ordered": null,
    "accuracy_on_comparable_pairs": null
  },
  "deeper_model": {
    "admitted": 6,
    "ordered": 0,
    "tie": 6,
    "not_applicable": 0,
    "correct": 0,
    "comparable_pairs": 0,
    "correct_pairs": 0,
    "accuracy_when_ordered": null,
    "accuracy_on_comparable_pairs": null
  },
  "larger_kernel": {
    "admitted": 6,
    "ordered": 0,
    "tie": 6,
    "not_applicable": 0,
    "correct": 0,
    "comparable_pairs": 2,
    "correct_pairs": 1,
    "accuracy_when_ordered": null,
    "accuracy_on_comparable_pairs": 0.5
  },
  "residual": {
    "admitted": 6,
    "ordered": 0,
    "tie": 6,
    "not_applicable": 0,
    "correct": 0,
    "comparable_pairs": 0,
    "correct_pairs": 0,
    "accuracy_when_ordered": null,
    "accuracy_on_comparable_pairs": null
  },
  "smaller_patches": {
    "admitted": 6,
    "ordered": 0,
    "tie": 0,
    "not_applicable": 6,
    "correct": 0,
    "comparable_pairs": 0,
    "correct_pairs": 0,
    "accuracy_when_ordered": null,
    "accuracy_on_comparable_pairs": null
  }
}

这些对照用于描述和核验解释，不是新增的显著性筛选。多字段变化不能归因为其中一个字段；单字段干预也不证明唯一内部机制。测试指标越低越好。

• 当前是明确规则生成的合成图像 prototype，不能外推为自然图像分类能力。
• 显著性以固定数据和训练协议为条件，检验训练 seed 配对中冻结方向胜率；不是期望交叉熵差的显著性检验，也不是跨自然数据集的结论。54 个实例复用语境、模型与对照，不能视为独立题目样本来给模型能力置信区间。
• 关系任务仍存在单对象绝对位置先验；正式 3 份数据的 train-fitted 单通道 centroid 基线在 test 上为 59.6%–62.1%，双通道像素质心规则为 100%。局部形状的 peak/面积/能量基线为 40.6%–45.1%，因此不宣称消除了所有 shortcut。
• 抗锯齿修复了已发现的二值 circle/square 像素别名。独立像素逆解在预固定的 192 个唯一局部形状 test 样本上全对，只说明这些被审计样本可辨别，不构成全分布证明。常规形状与小样本形状 同一 seed 的 验证与测试集 相同，差异在训练数据规模；两种语境不能当成独立数据抽样。
• 64 样本语境保留为泛化挑战。预先固定候选在同一数据实例的 16 个 confirmation seed 上，完整训练集 CE 均值 0.1235，test CE 均值 5.1580、样本标准差 4.9273；16/16 次 test CE 高于完整训练 CE。图中 seed 200 的训练/测试准确率为 98.44%/42.77%，这是单次结果。常规 1024 样本形状候选也存在优化不稳定：16 seed 的训练 CE 均值 0.4459，test CE 范围 0.0053–1.3870；不以表现较好的单图替代完整分布。
• 差异较大的算子配置和多个同时变化的字段只支持整个训练 setting 的总效应；局部单因素对照、梯度、训练/验证轨迹帮助分析，但不足以单独证明唯一机制。
• CPU 复算与 GPU 训练、不同 PyTorch 版本重新渲染按明确数值容差核验；源码和保存张量文件 hash 精确核验，数值容差通过不表述为跨设备 bitwise 一致。