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/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