prompts: 去掉填圆具体做法、例子换成无关领域、重写第零轮三份提示词；新增任务书 13（重测第零轮）

改了：roles/researcher.md、roles/experimenter.md；tasks/entry、discussion、claim、proposal、critique、explanation、wrapUp、response；TASK.md 开头两行。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

prompts/tasks/claim.md

@@ -1,13 +1,9 @@
 # 第零轮：认领入口
 
-入口已经定了最后一版，讨论也结束了（材料"本任务要处理的东西"里有全部人的最终入口清单和全部讨论）。现在请你按想走的先后，把入口编号排成一串志愿。可以排别人写的入口；讨论里有人说某条路没人站、而你愿意走，就把它排前面。讨论原文里写的是当时的编号：有人在讨论里整份换过入口，他的旧编号已经作废（材料末尾"入口编号对照"里标着），按讨论想排的入口要在对照里找到它在最后一版里的编号；作者换掉了它，它就不能再排。
+入口已经定了最后一版，讨论也结束了（材料"本任务要处理的东西"里有全部人的最终入口清单和全部讨论）。现在请你按想走的先后，把入口编号排成一串志愿。可以排别人写的入口：讨论里有人说某条路没人站、而你愿意走，就把它排前面。
 
-分配由程序按志愿轮做：先看每个人的第一志愿，只有一人选的入口就给他；几个人撞在同一个入口上，入口的作者在其中就给作者，否则给研究者编号小的；没分到的人再看第二志愿，依此类推；志愿用完还没分到的，按编号从剩下的入口里拿。每人最后分到一个入口。
+讨论原文里写的是当时的编号。有人在讨论里整份换过入口，他的旧编号已经作废，材料末尾"入口编号对照"里标着；志愿只能写最后一版里的编号。
 
-所以志愿排的是你**真想走**的先后，不用为了避开撞车去揣测别人会怎么排：撞了，程序会按上面的规则分开；你为了避让把真想走的排到后面，只会让你从一条你不看好的路出发。
+分配由程序按志愿一轮一轮做：先看每个人的第一志愿，几个人撞在同一个入口上时，入口的作者在其中就给作者，否则给研究者编号小的；没分到的人再看第二志愿，依此类推；志愿用完还没分到的，按编号从剩下的入口里拿。每人最后分到一个入口。
 
-分到的入口放在你第 1 轮材料"你自己的"一节最前面，提示词会说"从这里开始看"。它只规定起点：第 1 轮的提案不必只围着它转，第 2 轮起走不走这条路由你自己定。
-
-## 交什么
-
-一串志愿：入口编号，按你想走的先后排，至少排到下面列出的个数，不重复。
+分到的入口放在你第 1 轮材料"你自己的"一节最前面。它只规定起点：第 1 轮的提案不必只围着它转。

prompts/tasks/critique.md

@@ -19,9 +19,9 @@
 好的意见让作者能动手改，说清缺什么、在哪、不改会怎样：
 
 - 坏："这个提案不够严谨。"好："协议的'什么时候停'只写了'收敛为止'，没写判据和最大迭代数，实验员只能自己定，两个人会实现出不同的停止点，结果差异分不清来自改法还是停止点。"
-- 坏："p2 好像太大了。"好："p2 同时改了起点模板和起点之后的随机扰动，两件事单独放到基线上都说得通；合成一个因子，消融时只能一起关，分不出哪一件在出力。建议拆成两个因子；因子数已到上限的话，把其中一件留到下一轮再提。"
-- 坏："保障可能有影响。"好："保障 `legal-gate` 写的是'不合法的起点不参加择优'，但检查做在'减 1e-9'之前，结构起点的线性规划解带 1e-16 级的违反，会全部被挡掉，而评测（容差 0、先合法化再判）本来会收它们。这是拦，而且拦了评测会收的东西，应当算一个因子、写明关掉时换回什么。"
-- 坏："兜底解有点奇怪。"好："保障 `fallback-structured` 在没有合格起点时改交一个结构解，这是补，可补上去的是一个能拿分的新答案，不是基线做法或报错。关掉 p3 以后只剩一个起点、又被门槛挡掉，这个兜底每次都会被用上——那一格量到的是兜底解，不是关掉 p3 的效果。应当算因子。"
+- 坏："p2 好像太大了。"好："p2 同时改了初始化方式和训练中途的学习率调度，两件事单独放到基线上都说得通；合成一个因子，消融时只能一起关，分不出哪一件在出力。建议拆成两个因子；因子数已到上限的话，把其中一件留到下一轮再提。"
+- 坏："保障可能有影响。"好："保障 `legal-gate` 写的是'不合法的候选不参加择优'，但检查做在修正之前，修正前只带极小违反的那一类候选会全部被挡掉，而评测（先修到合法再判）本来会收它们。这是拦，而且拦了评测会收的东西，应当算一个因子、写明关掉时换回什么。"
+- 坏："兜底解有点奇怪。"好："保障 `fallback-backup` 在没有合格候选时改交一个备用解，这是补，可补上去的是一个能拿分的新答案，不是基线做法或报错。关掉 p3 以后只剩一个候选、又被门槛挡掉，这个兜底每次都会被用上——那一格量到的是备用解，不是关掉 p3 的效果。应当算因子。"
 
 分轻重时，对每条意见想一想：作者不处理的话，结果会往哪边偏，会不会让这一轮的结论作废。会作废的，写清楚为什么；只是让结果不够干净的，一句带过。不用给每条标轻重。
 
@@ -39,7 +39,7 @@
 
 ### 推测要标出来
 
-你没对照代码、也没有已测运行可以核实的判断，写成"（推测）"，并说依据是什么。例如"σ=0.03 大概率改不动行数级的几何（推测：只凭扰动幅度和圆间距的量级比较，没有运行可查）"。这不是让你少写推测——推测常常正是最有用的意见——而是让后面读的人分得清哪句是查过的、哪句是猜的。上一份研究里，一条没标的推测被作者"同意"以后，两位预测的人直接拿它当依据，三个人的数一起偏到了同一边。
+你没对照代码、也没有已测运行可以核实的判断，写成"（推测）"，并说依据是什么。例如"学习率降到 1e-4 大概率来不及在预算内收敛（推测：只凭步长和损失下降速度的量级比较，没有运行可查）"。这不是让你少写推测——推测常常正是最有用的意见——而是让后面读的人分得清哪句是查过的、哪句是猜的。上一份研究里，一条没标的推测被作者"同意"以后，两位预测的人直接拿它当依据，三个人的数一起偏到了同一边。
 
 ## 交什么
 

prompts/tasks/discussion.md

@@ -1,19 +1,18 @@
 # 第零轮：讨论入口分工
 
-全部人的入口都摆出来了（材料"本任务要处理的东西"里，标明作者；之前已经有过讨论的，讨论全文也在那里）。这一次讨论的目标是**分工，不是共识**：大家最后各走一个入口，所以要弄清的是哪几条路其实是同一条、哪条路没人站、谁更适合走哪条。不需要大家同意哪个入口更好——入口好不好，由第 1 轮以后的实测说话；现在争出一个"最好的入口"，反而会让大家都挤到同一条路上。
+全部人的入口都摆出来了（材料"本任务要处理的东西"里，标明作者；之前已经有过讨论的，讨论全文也在那里）。这一次讨论的目标是**分工，不是共识**：大家最后各走一个入口，所以要弄清的是哪几条路其实是同一条、哪条路没人站、谁更适合走哪条。不需要大家同意哪个入口最好——现在争出一个"最好的入口"，大家反而会都挤到同一条路上。
 
 可以顺着这几个问题想，不必按顺序写，也不必每个都答：
 
 - 哪些入口其实是同一条路？两个入口最后会读同一段代码、问同一个问题，就建议合并，或者其中一位换一个。
-- 哪条路没人站，但值得有人走？比如大家都在想怎么改解，没人去看评测到底收下什么。
+- 把全部入口按"顺着它走下去，最后会做成哪一类改动"归一归类：哪几类有好几个人站，有没有一整类做法没人站？有没有哪个设定，所有入口都默认它不动？
+- 哪条路如果走对了收益最大？说出你的判断和依据；它不决定谁走哪条，但能帮大家看清哪条路空着最可惜。
 - 你自己更想走哪条，为什么——你在那条路上能看到什么别人看不到的东西？
 
-别人的入口可以评，说清你觉得它和哪个入口重叠、或者为什么它看不到它想看的东西；但不用替别人改写入口，也不用说服谁放弃。你的看法和别人不同，照实写。
+别人的入口可以评，说清你觉得它和哪个入口重叠，或者为什么它看不到它想看的东西；但不用替别人改写入口，也不用说服谁放弃。你的看法和别人不同，照实写。
 
 ### 换掉自己的入口
 
-读完别人的，你可能发现自己的某个入口跟别人的重了，或者想到了一条没人站的路。这时可以整份交一份新的入口清单（两到三个，写法跟闭门写时一样：入口是起点，不是结论，不写"应该改成什么""能到多少分"，自己推出来的预期提升也不写——那是还没测的猜想，写进入口就成了别人的起点假设）。整份替换，不是只改一个；只按你最后一版进认领。新清单的编号由程序按顺序给，旧编号作废；之前讨论里提到你旧编号的人，认领时会在"入口编号对照"里看到它已作废。不换就不交入口清单，只交讨论正文。
+默认不换。读完别人的，如果发现自己的某个入口跟别人的重了，或者看到一条没人站、而你更适合走的路，可以整份交一份新的入口清单（两到三个，写法跟闭门写时一样）。换之前问一句：换过去以后，那条路是不是变成两个人站，而你原来那条就空了？
 
-## 交什么
-
-一段讨论正文（`body`）；可选：整份替换你自己的入口清单（`entries`）。讨论原样给其他人读，认领时大家会读到全部讨论。
+整份替换，不是只改一个；只按你最后一版进认领，旧编号作废，新编号由程序给。不换就只交讨论正文。

prompts/tasks/entry.md

@@ -1,25 +1,40 @@
 # 第零轮：闭门写入口
 
-研究还没有正式开始。在第 1 轮提案之前，每位研究者先各自写下两三个"入口"：你觉得这道题值得从哪里开始看。你手上只有任务说明、基线代码和基线分数；你看不到别人写的入口，别人也看不到你的。收齐以后大家才一起读到全部入口，再讨论怎么分工，最后各自认领一个，作为第 1 轮的起点。
+研究还没有正式开始。在第 1 轮提案之前，每位研究者先各自写下两三个"入口"：这道题值得从哪里开始看。你手上有任务说明、基线代码和基线分数；你看不到别人写的入口，别人也看不到你的。收齐以后大家一起读全部入口，讨论怎么分工，最后各自认领一个，作为第 1 轮的起点。
 
-为什么要先闭门写：几位研究者是同一个模型、读同一份材料，如果一上来就一起想，几个人会想到同一处去，第 1 轮的提案就像同一个人写了三遍。先各写各的，再摆到一起，才看得出哪些路有人站、哪些路没人走。所以这一步不用猜别人会写什么，也不用为了"跟别人不同"去写一个你自己并不看好的方向——那样的入口没人真想走，分到手里也只会走成一条凑数的路。写你自己真觉得值得看的地方。
+先闭门写，是因为几位研究者是同一个模型、读同一份材料：一上来就一起想，几个人会想到同一处去。
 
-### 一个入口是什么
+### 先看题，再看基线
 
-入口是**起点，不是结论**。它说的是"从哪里开始看"：先读哪段代码、先问哪个问题、先质疑哪个设定。它不说"应该改成什么""能到多少分"——那是看完以后才知道的事，写进入口，就把还没看的东西提前定死了，后面的人只会照着去证实它。
+先读任务说明全文（`research_query` 查编号 `task`）里的题目：要最大化或最小化什么，你能决定哪些量，受哪些约束，评测怎么判分。然后再读基线代码。基线只是这道题的一种做法，不是题目本身：它把题目拆成了哪几步、每一步怎么做，都只是它自己的选择。
 
-- 好："先读 compute_max_radii：半径是逐对按比例缩出来的，先问这种缩法离'给定圆心下的最大半径和'差多少。"
-- 坏："把半径算法换成线性规划，能到 2.6。"——这是一条提案，不是入口；而且它替还没开始的研究下了结论。
-- 坏："优化算法。"——读的人不知道该从哪一行开始看。
+### 入口是什么
 
-每个入口写三样：一句话的名称，离开这份清单也能读懂；从哪里开始看；为什么值得有人走——这条路可能找到什么，别的入口为什么看不到它。
+入口是**起点，不是结论**。它说的是"从哪里开始看"，起点可以落在三类地方：
 
-### 写几个
+- **基线的一段代码**：先读哪一段，先问它什么问题。
+- **题目本身**：目标、能决定的量、约束之间是什么关系；有没有哪个设定是题目并没有要求、只是被默认定死了的。
+- **做法的类别**：这一类问题通常有哪几类做法，基线属于哪一类，别的类别会从哪里入手。
 
-写两到三个，彼此尽量不重叠：两个入口如果最后会读同一段代码、问同一个问题，它们其实是一条路。想不到第三个就交两个，不凑。
+入口不写"应该改成什么""能到多少分"——那是看完以后才知道的事，写进入口，就替还没开始的研究下了结论。
 
-有一件事值得知道：读基线一眼就能看到的那一两处毛病，几位研究者几乎一定都会写——同一份材料、同一个模型，显眼的路不会没人站。它值得写，但不必占满你的清单。真正稀缺的，是你读下来觉得值得看、却不那么显眼的地方：一个大家默认不动的设定、一个没人问过的问题、一个要读得更深才看得到的现象。如果你有这样的一处，至少给它一个入口；没有，就照实交你看到的。读基线代码时用 `read_source`；评测会收下什么样的答案写在任务说明全文里，值得先看一眼，它决定了哪些"改法"其实是在改评测。
+下面的例子都来自另一道题（把一批任务排到几台机器上、让全部做完的时间最短的调度程序），只示范入口的写法，内容和你的题目无关，不要照搬：
 
-## 交什么
+- 从一段代码起步："先读挑下一个任务的那段：它每次只看眼前最空的机器，先问任务长短差别很大时，这种一步一步的排法会把哪类任务排坏。"
+- 从题目起步："先问题目里的约束哪些是硬的、哪些只是程序自己加的：每台机器必须按到达顺序处理，是题目要求的，还是程序写成了这样。"
+- 从做法类别起步："先问这类排程问题通常有哪几类做法——按规则一步步派、整体建模去求、排完再反复交换改进——现在的程序属于哪一类，另几类会从哪里下手。"
+- 坏："把排法改成先排长任务，能缩短 20%。"——这是一条提案，而且替还没开始的研究下了结论。
+- 坏："优化调度。"——太空，读的人不知道要先弄清什么问题。
 
-两到三个入口，每个写名称（`name`），正文（`body`）写从哪里开始看、为什么值得有人走。编号由程序按顺序给。下一步大家会读到全部人的入口（标明作者），讨论分工。
+### 怎么想出入口
+
+先在思考里列出六到八个可能的起点，只写名字就够，上面三类都想一想。然后看一眼：它们是不是都落在同一类上？最常见的情形是全都落在基线代码里那几处显眼的毛病上。同一个模型读同一份基线，最先看到的总是那几处，几位研究者几乎一定都会写；它们值得有人站，但不必占满你的清单。都落在同一类时，换一类再想一两个。
+
+最后从里面挑两到三个你自己真觉得值得走的交上来。不用为了跟别人不同去写一个你并不看好的方向：没人真想走的入口，分到手里只会走成一条凑数的路。
+
+### 每个入口写什么
+
+- 名称：离开这份清单单独看也读得懂。
+- 正文：从哪里开始看；为什么值得有人走——这条路可能找到什么，它和你另外几个入口有什么不同。
+
+两个入口如果最后会读同一段代码、问同一个问题，它们其实是一条路，只留一个。想不到第三个就交两个，不凑。下一步大家会读到全部人的入口（标明作者），讨论分工。

prompts/tasks/explanation.md

@@ -20,7 +20,7 @@
 
 交一条解释就够。只在你真有第二个、不同的机制判断时，才交第二条：同一人的几条在合并时平分你的分量，一条你自己都没多大信心的"对照"解释，会分走你主解释的一半。几条解释不必互相排斥，范围也可以重叠。和别人的解释不一样很正常，照你自己的理解写，不必向大家看齐。
 
-推广一条结论时，说清它覆盖了哪些设定、没覆盖哪些。"不重跑优化、幅度 0.01 的扰动爬山没用"不等于"扰动精修没用"：后者会让下一轮没人再去试"重跑优化、幅度 0.03"。因子的关键设定写在因子清单里，引用时带上它。
+推广一条结论时，说清它覆盖了哪些设定、没覆盖哪些。"预热 500 步没用"不等于"预热没用"：后者会让下一轮没人再去试预热 2000 步。因子的关键设定写在因子清单里，引用时带上它。
 
 先想清楚哪些运行能当证据：没跑成的、成绩判为不合法的、测不到的都不能。已经测到的分数可以直接引用。提到某次运行时带上运行编号，读的人才能核对。研究记录里前几轮的消融结果和信念本"按因子"一栏值得看：类似的因子以前撑了多少、哪些解释被确认过。
 

prompts/tasks/proposal.md

@@ -12,7 +12,7 @@
 
 做法要写到别人能照着实现出同一个东西。好："步长初值取可行区域边长的 1/10，连续一轮没有改进就减半，小于 1e-6 时停止。"坏："优化搜索过程。"要用的具体数值写成规则或公式，不写由它算出来的数值表——别人照规则实现，多写出来的数只会多一处可能抄错的地方。也别写到代码级：变量怎么排、梯度怎么推、函数怎么拆，是实验员的事，写到"两位实验员照着写，不会因为理解不同而写出两样东西"就够了。写到代码级既占你的输出（单条回复有长度上限，写满了这次就交不上），也替实验员做了他更擅长的事。一个因子里只写一种做法，不写"用 A 或 B"：拿不准选哪个，就挑你认为更可能有效的那个；另一个也值得试，另提一条。
 
-**关键设定**是一句话，列出决定这个因子效果的那几个设定值，例如"幅度 0.004、窗口 15 秒、扰动后不重跑 SLSQP"；没有可调设定写"无"。它会跟着这个因子进信念本，结论写成"因子名（关键设定）"。为什么要单列：上一份研究里，"不重跑优化、幅度 0.01"的扰动爬山测出来没用，下一轮大家就推广成"扰动精修基本无收益"，再没人回去试"重跑优化、幅度 0.03"那一种。设定写在名字旁边，一条结论覆盖了什么、没覆盖什么，一眼看得出。
+**关键设定**是一句话，列出决定这个因子效果的那几个设定值，例如"预热 500 步、峰值学习率 3e-4、余弦衰减到 0"；没有可调设定写"无"。它会跟着这个因子进信念本，结论写成"因子名（关键设定）"。为什么要单列：上一份研究里，一个因子在一组偏弱的设定下测出来没用，下一轮大家就把它推广成"这一类做法基本无收益"，再没人回去试设定合理的那一种。设定写在名字旁边，一条结论覆盖了什么、没覆盖什么，一眼看得出。
 
 每个因子"为什么可能有用"写成一句小假设，假设要带方向：好——"从最近邻路线出发，局部搜索不用先花步数消掉大段折返，同样时限内路线会更短"；坏——"改进初始解可能影响结果"，后者涨了跌了都能说"我早料到"。顺手写一句它在什么情况下会没用，这正是消融要检验的。
 
@@ -24,7 +24,7 @@
 
 只在评测本来不收的情形下动手、不改分的代码，写进保障清单（`safeguards`），每条一个短名（字母、数字和 `._-`，如 `final-shrink`；不能叫 `main`，也不能写成 `p1`、`p2` 这种因子编号的样子），说明它的那段文字写进正文（`body`）。短名是给实验员和程序对号用的：实验员的保障位置表、运行时记"答案出自哪条路径"、"每条保障动手了几次"，都按它。正文写它做什么，属于拦、补、改哪一种（一段代码做两种就都写），以及系统提示词"因子与保障"一节里对应的那个问题和最后一问你是怎么想的——不必按固定格式，写清你凭什么认为它不改分。没有保障就交空数组。
 
-这一节值得多花几分钟，因为算错的后果是整轮消融量的不是因子本身。真实的例子：一条保障写的是"不合法的起点不参加择优"，可检查做在"减 1e-9"之前，被挡掉的结构起点只差 1e-16，评测本来会收——这是拦，而且拦了评测会收的东西，它是因子。另一条写的是"没有合格起点时改交一个结构解"——这是补，可补上去的东西自己就能拿 2.44 分，关掉一个因子以后每次都被用上，它也是因子。拿不准，就算因子。
+这一节值得多花几分钟，因为算错的后果是整轮消融量的不是因子本身。真实的例子：一条保障写的是"不合法的候选不参加择优"，可检查做在修正之前，被挡掉的候选只带极小的违反，评测本来会收——这是拦，而且拦了评测会收的东西，它是因子。另一条写的是"没有合格候选时改交一个备用解"——这是补，可补上去的东西自己就能拿接近正常的分，关掉一个因子以后每次都被用上，它也是因子。拿不准，就算因子。
 
 ### 两种会让结论变成假的做法
 
@@ -36,8 +36,8 @@
 
 "延续"只用于**同一个想法的新版本**：信念本里某个因子，换了设定，或者搬到了新基线上。这时在这个因子的"延续"里写那个因子的编号（材料"可以写进"延续"的因子"一节列出了能写的编号）。受它启发想出来的新想法不算延续，留空，可以在做法里写一句"受某因子启发"。
 
-- 该写延续的：上一轮测过"停滞期侧移接受带 0.003"，这一轮把接受带换成 0.010——同一个想法换了设定。有人当时留了空，跨轮就对不上了。
-- 不该写延续的：在"多起点 SLSQP"上想到"尺寸扰动重启""周期性半径置换起点""尾部高精度精修段"——它们是受启发的新想法。有人把三个都写成延续同一个因子，信念本就把三件不同的事记成了同一个因子的三个版本。
+- 该写延续的：上一轮测过"梯度裁剪（阈值 1.0）"，这一轮把阈值换成 0.5——同一个想法换了设定。有人当时留了空，跨轮就对不上了。
+- 不该写延续的：在"梯度裁剪"上想到"按层分别裁剪""损失尖峰时跳过这一步""训练末段降低批大小"——它们是受启发的新想法。有人把三个都写成延续同一个因子，信念本就把三件不同的事记成了同一个因子的三个版本。
 
 所以一份提案里最多一个因子延续同一个因子。拿不准就留空，在做法里写一句"可能跟某因子相近"。研究记录里已经跑过的改法再提时，写明这次跟上次差在哪、为什么这个差别可能改变结果。
 
@@ -51,7 +51,7 @@
 
 ### 你自己的三个数
 
-你估的分数（照这条提案实现后，最终指标一成、一半、九成可能低于多少）填在作者自评里。它跟预测一样凭判断给，只问方向和量级；也不必为了在几种做法里挑一种，先把每种做法的分数各推一遍——哪种更好，正是正式实验要回答的，挑你认为更可能有效的那种，另一种值得试就另提一条或下一轮再提。真实见过的情形：一位研究者为了定作者自评，在脑子里把十几种摆法的分数挨个推了一遍，那一条回复超出了长度上限。它会封存到本轮结束，挑刺和预测的人都看不到；本轮跑过以后解封，进战绩里"作者自评 vs 大家合并"一栏，大家能看出作者是不是一贯更乐观。
+你估的分数（照这条提案实现后，最终指标一成、一半、九成可能低于多少）填在作者自评里。它跟预测一样凭判断给，只问方向和量级；也不必为了在几种做法里挑一种，先把每种做法的分数各推一遍——哪种更好，正是正式实验要回答的，挑你认为更可能有效的那种，另一种值得试就另提一条或下一轮再提。真实见过的情形：一位研究者为了定作者自评，在脑子里把十几种方案的分数挨个推了一遍，那一条回复超出了长度上限。它会封存到本轮结束，挑刺和预测的人都看不到；本轮跑过以后解封，进战绩里"作者自评 vs 大家合并"一栏，大家能看出作者是不是一贯更乐观。
 
 ### 交几条
 

prompts/tasks/response.md

@@ -11,7 +11,7 @@
 - 部分采纳的，说清采纳了哪一半、另一半为什么不改。
 - 意见指出"停止条件不具体"，就在协议和条款里写死判据和上限，不要只在答复里说"会注意"。
 - 意见说某个因子其实是两件事，你同意就拆成两个因子；拆完超过因子数上限，就把其中一件删掉、留到下一轮再提，不要为了塞进上限又捆回去。不同意，说出它为什么离了另一半就说不通。
-- 意见说某条保障其实会改分（按系统提示词"因子与保障"一节的拦、补、改去问出来的），先自己把那几个问题再答一遍，读路径读到代码里。同意就把它从保障清单挪进因子清单（写明关掉时换回什么），或者改成真正不改分的写法——修到刚好合法、退回基线、或者报错；不同意，说出你凭什么认为评测本来不收它挡掉的东西、或者它补上去的只是基线做法。上一份研究里，作者以"修复只在罕见情形触发"为由留下了一道零容差门槛，结果它挡掉了全部结构起点。
+- 意见说某条保障其实会改分（按系统提示词"因子与保障"一节的拦、补、改去问出来的），先自己把那几个问题再答一遍，读路径读到代码里。同意就把它从保障清单挪进因子清单（写明关掉时换回什么），或者改成真正不改分的写法——修到刚好合法、退回基线、或者报错；不同意，说出你凭什么认为评测本来不收它挡掉的东西、或者它补上去的只是基线做法。上一份研究里，作者以"修复只在罕见情形触发"为由留下了一道零容差门槛，结果它挡掉了一整类评测本来会收的候选。
 - 意见说某个算出来的数不对，不用验算谁对：把这个数换成由代码按规则算出，答复"采纳：改为由规则……算出"。意见担心运行可能不合法，也不用推算误差：要么加一条保障——只把答案修到刚好合法、或直接报错，不另交一个新答案——要么在协议"什么运行不算数"里写清。
 
 挑刺里标着"（推测）"的判断，你同意也好、不同意也好，它仍是推测：答复里不要把它写成已核实的事实。你核实过了（读了代码、查了运行），就写清核实的是什么。

prompts/tasks/wrapUp.md

@@ -19,7 +19,7 @@
 
 ### 怎么写
 
-结论写成"因子名（关键设定）……"，说清它覆盖了哪些设定、没覆盖哪些：例如"圆心扰动爬山（只用线性规划算分、幅度 0.01）撑 −2%"，而不是"扰动没用"。下一轮的人读到前一种，还知道换设定值得一试；读到后一种，这条路就被关上了。
+结论写成"因子名（关键设定）……"，说清它覆盖了哪些设定、没覆盖哪些：例如"学习率预热（预热 500 步）撑 −2%"，而不是"预热没用"。下一轮的人读到前一种，还知道换设定值得一试；读到后一种，这条路就被关上了。
 
 把"改法有效"和"机制解释正确"当成两件事分开想：分数变好了只说明改法有效，不说明提案人给的原因是对的；原因被确认，要靠消融那一格的实测落在解释的范围里。不拿生成某个解释的那次运行，当作这个解释被支持的证据。提到结论时带上依据的运行编号或记录编号，别人才能核对。