10 月 16 日：两项 P0、十二项 P1 与 TransX 补充升级¶
本批范围由用户确认，统一在一个 MR 交付。目标是可实际调用和验收的有限组件/公共评测接口，不是把完整论文实验缩成空壳。高成本完整实验统一为 成本过高，不复现（审查 DONE），不进入自动重试队列，也不冒充算法实现完成。
接受范围与成本门槛¶
| 级别 | 论文 / 稳定键 | 本批实现与验收范围 | 完整实验成本依据与处置 |
|---|---|---|---|
| P0 历史补漏 | STATIC / static-constraint-decoding |
CSR trie、向量化 token 约束、beam 状态与有限 GPU 对照 | TPU v6e / 1B 模型与 YouTube 私有线上实验；不复现 DONE |
| P0 历史补核 | Cross-Task Relationships / cross-task-relationships |
成对辅助头、合法多反馈标签、真实小网络梯度与公平消融 | 每日数十亿私有样本、多周训练和 YouTube 全量策略；不复现 DONE |
| 既有方法升级 | TransX report / transx |
多 cutoff 的精确 local/global memory、可微前缀复用与稀疏行优化器 | 32 H200，约 13 小时生产收敛；不复现 DONE |
| P1 | Novelty Patching / novelty-patching |
严格因果查表、训练集阈值与边界诊断 | 1.9 GB、多模型/规则/seed 原实验；不复现 DONE |
| P1 | RoPERelay / rope-relay |
RoPE 逆变换/重定位、mask、后续 query 一致性 | 多 selector / 128K / 32B judge；不复现 DONE |
| P1 | CoTS / cots |
概率竞争调度、离散/soft 混合与 phase lock | 9B/12B、多长推理 benchmark；不复现 DONE |
| P1 | TF-OPD / tf-opd |
教师生成统计、Gram 收缩、融合线性求解 | 双 7B 约 10 GPUh，评测另计；不复现 DONE |
| P1 | Waypoint-OPD / waypoint-opd |
三快照 early/late shift gate 与 loss/scorer | 8B 配置约 64.31 GPUh，不含评测；不复现 DONE |
| P1 | GGPO / ggpo |
稳定 gap objective 与真实小策略更新 | 4 GH200、8000 更新、多 benchmark；不复现 DONE |
| P1 | STOPD / stopd |
生成前 cutoff、自然 EOS、IPW 与期望梯度 | 每 run 2 H100，长 rollout × 3 seeds；不复现 DONE |
| P1 | CCE-OPD / cce-opd |
双条件视图、support、熵 gate 与 PPO-OPD | 8B 教师、多学生、多臂与遮罩标注；不复现 DONE |
| P1 | SIF / sif |
eligibility、双层投票、group norm 与双 loss mask | 8 A100-40GB 全参训练，多 benchmark；不复现 DONE |
| P1 公共评测 | ToolBottleneckBench / tool-bottleneck-bench |
官方有限任务、工具状态、exact grader、预算与失败分母 | 原 26,576 条件 / USD 768.38 托管采集；不复现 DONE |
| P1 公共结果 | Librarian Agents / librarian-agents |
官方 compact records 重算、filesystem / provenance 合同 | 4B builder、35B executor、60K token 轨迹与外部服务；不复现 DONE |
| P1 公共评测 | SciPIvot / scipivot |
已发布 options-only 双顺序与隔离评分 | 五前沿模型 × 十二条件；project histories 未公开；完整不复现 DONE |
成本为原文配置/官方要求的审查判断，不是本地运行测量。本批任何小网络、人工张量或历史分数重算都必须明确 diagnostic，不支持论文级能力提升，也不自动接入 Evolve。
验收状态¶
15 项有限组件/公共接口已实现；11 条 CUDA 路径已在 NVIDIA A100-SXM4-80GB 上实际执行，固定 seeds 42,43,44。另外四项为 CPU 的确定性表拟合或官方记录审计，不假造随机 seeds，也没有调用托管模型 API。各详情页提供原文图、公式、代码入口、上游版本和实测指标。
| 验收组 | 已交付项目 | 实测产物与边界 |
|---|---|---|
| 搜广推 / CUDA | STATIC、Cross-Task、TransX report | STATIC 回执、Cross-Task 回执、TransX 回执；有限约束解码、真实小网络消融、精确可微 memory 和优化器，不是生产收益复现 |
| 基础模型 / CUDA | RoPERelay、CoTS | RoPERelay 回执、CoTS 回执；位置/混合算子及真实梯度，不是长上下文或推理能力评测 |
| 后训练 / CUDA | TF-OPD、Waypoint-OPD、GGPO、STOPD、CCE-OPD、SIF | TF、Waypoint、GGPO、STOPD、CCE、SIF；公开文本上的真实 tiny-policy 生成、融合或参数更新，不是预训练 LLM benchmark |
| 基础模型 / CPU | Novelty Patching | 训练集因果表拟合，262,144 字节、494 个训练文档；patch rate 0.100296，不训练 BLT |
| Agent / CPU | ToolBottleneckBench、Librarian Agents、SciPIvot | 216 条工具计划审计、443 问官方记录复算、248 case / 60 aggregate 行审计；公共接口和历史结果，不是本地 Agent 能力 |
Cross-Task 三臂共享初始化与 minibatch，32 步固定预算后才读取 test；平均 validation BCE 为 baseline 0.668841、cross-label 0.668480，但 test BCE 为 0.664956、0.665026（越低越好），没有得到稳定 test 改善。保留负结果，不选择有利 seed 或据此晋升 Evolve。TransX 共享/直接计算最大前向误差 8.89e-16、梯度误差 5.33e-15；旧固定权重 NumPy scorer 的原始数字全部保留，证据改正为 concept demo，不能因新增算子就升级旧实验保真度。
首次 CUDA 执行的后训练组曾因 Waypoint 无有效梯度而失败，见失败记录。修正的是 tiny teacher fixture 的因果首动作 REINFORCE 与固定 8×64 预算、0/4/8 快照；没有改 Waypoint 门控或降低非零梯度断言。随后冻结提交 781a8178f12069c5c3691093b5f3ba79a48b5322 实跑通过，逐项回执绑定执行源码 hash。
所有 15 项的完整原实验仍是“成本过高，不复现（审查 DONE）”，不进入自动重试队列。组件全部 diagnostic_only: true、promotion_eligible: false、evolve_integrated: false；这里的验收不等于完整论文复现或能力提升。
日期与发现口径¶
STATIC / Cross-Task 是历史未落地项；TransX 是已有方法的新报告补充。P1 来自 10-16 公告暴露的近期首发与更早补发现，并非全都在上次扫描后提交。本批实施不等于完成 10-16 所有公告审查，不因实现这十五项就自动推进审查水位。