ROSS: Relearning from Self-Generated Rollouts through Selective Supervision¶

复现级别：L1 核心机制诊断。 执行 full-context/selective-loss 边界；选择 mask 是 fixture，不冒充论文 selector。

论文信息¶

字段	内容
论文链接	ROSS: Relearning from Self-Generated Rollouts through Selective Supervision
公司/机构	AllSpark Team（原文以团队署名，未列机构）（按第一作者署名单位）
首次公开日期	2026-09-28（arXiv v1）
原文开源代码	否：截至 2026-09-30 未找到原作者公开仓库
Adapter / 方法	`ross`
本地复现代码	`src/auto_research/post_training/latest_20260930_closure.py`

保留历史 self-rollout 的完整上下文，但只对筛选出的模型 continuation 计算损失，避免模仿其中错误或冗余步骤。

flowchart LR
  I[公开输入/当前状态] --> M[ross 核心机制]
  M --> A[可审计中间量]
  A --> O[输出/更新状态]

原论文 Figure 4（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

本地 reference kernel 保留论文决定性的门控、掩码、递归、信用权重或晋级条件；测试同时检查梯度隔离、类型边界和确定性。

论文中的 benchmark、速度或训练曲线属于原文结果。本地三种子 mini-suite 仅检验机制和不变量，不与论文规模结果横比，也不外推线上收益。

三种子诊断见 metrics/mechanism-seeds42-44.json。其中 diagnostic_only=true，不能进入正式能力排名。

执行 full-context/selective-loss 边界；选择 mask 是 fixture，不冒充论文 selector。