知识积累有正向得分信号，仍需新题验证

知识库（KB）保存可复用的解题规律。最新循环完成 15 轮，在开发集上比不带知识库高 4.21 ± 2.37 个百分点，尚不能排除零增益。

• 模型 gpt-6.1-sol
• 循环 15 轮 × 30 题
• 开发集 105 道排序题 × 3 次
• 参数更新 无

逐轮展示保留完整实验过程

打开完整实验展示 →　阅读得分汇报

逐轮查看解题、发现与总结，并对照知识库版本。条目演化、修改日志和提示词配置均可展开。

开发集得分上升，仍不能证明新题收益

实验线 1 · KB 迭代　实验线 2 · 模糊方向 →

模型反复经历解题、发现和整理。每 5 轮用同一开发集检查知识库。第 15 轮平均得分为 70.08%，不带知识库为 65.87%。排序题包含部分分，得分不是全题答对率。

这批题已经用于研发。± 表示同题配对差值的 1 个标准误，衡量估计波动。曲线连接三次重复的平均分，没有用重复之间的波动替代题级误差。

每轮先冻结知识库，再用解题反馈修订规律

1. 解题只看题目与冻结知识库。
2. 发现揭示答案，提出解释和待验证问题。
3. 整理与研究测量、补条件、合并重复或撤回规则。
4. 保存下一版本记录理由，供下一轮使用。

总结与研究任务可以跨轮继续。每条修改分别记录发起轮和应用轮。一次解题使用的知识库版本保持不变。

第 5 轮合并重复证据，15 轮变化都能追溯

第 5 轮把重复条目合并，知识库从 73 条变为 68 条。第 15 轮结束时有 139 条，晚到研究又应用到 143 条。条目增加不等于发现增加，修改理由和测量报告可以分别查看。

历史对照显示，收益依赖模型与循环方式

不同实验使用不同题池，不能把它们排成模型排行榜。下表保留代表性读数和完整记录入口。