週報 #410/26–11/1開發期間
從研究工具走向可核對的模型實作
這週冷載原生 9B 保存點，並讓外接 9B 配合研究工具處理真實來源問題。索引缺陷的模型條件與有界搜尋、工程依賴修補分開記錄；11 月初原生 9B 另完成一題提交，但未證明一般能力提升。
W44 / RESEARCH ATLAS
讓模型讀來源、測方法，再保留結果。
六張圖分開本週研究與 11 月初的後續實跑，保留工程貢獻和未通過的界線。
保存點回到新程序
10 月 27 日的恢復，先確認狀態能重新載入。
證據邊界此檢查沒有驗收完整問答、新學習或一般能力。
讀來源，補證據，再提交
模型查索引與依賴；第一次因缺少 caller 證據遭拒。
證據邊界工具與狀態管理協助的一題；沒有訓練，也不證明一般自主研究。
模型條件加有界搜尋
索引排序候選在兩組查詢各自通過。
查看圖表數據與範圍
| 既定原版 | 15/24 |
|---|---|
| 既定候選 | 24/24 |
| 未見 | 18/18 |
證據邊界未見 18 次是 6 個符號碰撞各測 3 種限制，非 18 個獨立符號。模型提出條件，研究工具執行有界搜尋；不是純模型自行修復。
工程修補與模型產碼分開記
核心依賴解析與模型生成程式各有自己的測試。
查看圖表數據與範圍
| 工程修補既定 | 13/13 |
|---|---|
| 工程修補未見 | 10/10 |
| 純模型最高 | 9/13 |
證據邊界不同測試與不同介入，不能合併為一個模型能力分數。
真回饋更新，人工協調續接
這是 11 月 3 日已知 SQLite 題的後續工作。
證據邊界更新後原程序未完成；人工協調續接不是自動故障恢復，也不證明一般能力提升。
另一道新題：三個案例，一次提交
模型撰寫 SQL，收到量測後自行選擇並提交候選。
查看圖表數據與範圍
| 既有檔案 | 2 |
|---|---|
| 缺檔 | 1 |
| 成功／總數 | 3/3 |
| 本次 learner 更新 | 0 |
證據邊界使用既有 revision 5 狀態；這是一次成功提交，不是三道題，也不是新訓練或泛化證明。
研究工具如何接在一起？
來源、模型與測量各有角色；圖解只表示本期所述流程。
證據邊界此圖合併呈現不同日期的流程步驟，不表示全部在同一次執行中發生。
接著閱讀完整週報，查背景、失敗與下一步。
這週做成了什麼
小麥想研究的是：系統能否從觀察和矛盾中提出問題，透過實驗檢查方法，再把有用的理解保存下來，讓重啟或換題後的研究也能使用。金融是重要應用方向。本週先處理這條路上的兩個實際問題：原生狀態能否載回，以及模型能否運用工具查清楚真實程式的依賴。
10 月 27 日，原生 9B 的保存點由新的程序冷載入。研究狀態和來源接續有了可檢查的起點，但冷載入不等於回答、研究或新學習都已驗收。同題健康比較中，接續前後的前兩個輸出 token 和兩次完整詞表 logits 相同；接續側產生「A.」並結束，舊側因資源保護停止，沒有完整答案。因此這次不能說兩個版本的完整問答等價，嚴格要求只回答 A 也沒有通過。
到了 11 月 1 日，我把外接量化 9B 接回研究工作台，讓它調查一個真實問題：來源索引有兩個核心類別，檢索卻因匯入路徑解析錯誤而丟掉依賴。原始程式在凍結測試得 4/13；模型收到失敗回饋後的提案得 6/13，兩個真核心依賴仍是 0/2。這是實際量測到的失敗，不能因為工具流程走完就算答對。
另一條工程修補把專案根、套件與匯入路徑的解析補齊。獨立固定驗收 13/13、未見的真核心匯入 10/10；實際檢索入口也能把先前漏掉的兩個依賴送入來源材料。這個修補是工程工作，不是 9B 自己寫出的成功答案。模型後續純產碼最佳為 9/13，沒有候選達到部署門檻。
另一個索引排序問題提供了不同的實驗。低結果預算下，正確符號會被名稱相近的結果擠掉。9B 提出兩個判斷條件，主機在明確上限內組合並量測四個候選，分數依序是 18、15、9 和 24/24；接受的是第四個。它另通過首次未見的 18 個碰撞查詢。這是模型條件加有界搜尋與工具量測的成果，並非模型獨立生成完整正確修補。
工具接線改善後，模型又處理一題真實來源研究。它自行查索引、讀取程式、追蹤依賴並提交兩項結論。第一次提交缺少 caller 證據而被拒，隨後遇到 HTTP 錯誤；修正重複上下文後，以保存的狀態接續，模型自行補讀與追蹤 caller，兩項結論通過獨立來源核對。這是一題經工具與狀態管理支持的成功，沒有更新權重，也不代表一般自主研究已通過。
沒做成的
回饋進到模型，不代表模型能利用它修好程式。原始紀錄包括重複讀同一反例、修好一案卻破壞其他案例，以及不符合要求的輸出。工作台另外修正回饋遺失、事實檢查與測量失敗分類；這些工程改善與模型能力要分開計算。
冷載入只驗證指定保存狀態的接續。截至本週結束，完整原生研究回合、新的更新和同題完整問答仍需要各自驗收。後續的限定成功不等於完整驗收；小型數值或單題的結果也不能推論整個 9B 已等價、加速或改善。
整理時使用 11 月初後續結果補充方向，但不把它們算成本週測試：另一道新 SQLite 題的原生 9B 寫出查詢，對兩個既有檔案與一個缺檔案例得到 3/3，並自行提交、獲後端接受；該次載入既有更新狀態，learner 更新為零。另一道已知題曾由真回饋觸發 value-only 更新，原程序被守衛截止，後來人工協調重建才提交。這不是自動故障恢復，也不是持久能力提升的證明。
接下來
先完成尚未通過的訓練數值與舊狀態恢復檢查，再用未見的新題、相同評分和固定資源上限比較工具、模型與更新各自的效果。已失敗或中止的結果繼續保留。這份週報整理既有紀錄，沒有重跑模型；公開摘要列出選定結果和界線，原始資料、完整日誌、模型權重及私人保存點仍維持私有。
小麥走到哪了
首頁的四個研究步驟，這週各自的狀態。
從未知出發，也追問自己怎麼研究
部分做到
真題工具研究已測，獨立定義問題仍待驗證。
把說出的理由，對回實際運算
部分做到
數值和來源有局部對照，完整訓練門檻仍未過。
讓新的理解，改變實際做法
部分做到
回饋驅動受限更新；尚未證實一般能力提升。
重啟、換題之後，還能自己用上
部分做到
保存狀態已重載；自動恢復與換題泛化待驗。
技術紀錄完整數字、範圍限制與每日紀錄，給研究者核對
每日紀錄
- cold-restore原生 9B 保存點由新程序冷載入部分通過
- health-check同題前兩個 token 一致，完整問答未過部分通過
- archive保存研究來源與歷史材料，保留可回復記錄紀錄
- reconnect9B 真實依賴題收到回饋後仍未解未通過
- bounded-search模型條件與有界搜尋找出索引排序候選部分通過
- engineering工程修復依賴解析，獨立驗收與未見案例通過通過
- code-research工具輔助來源研究兩項結論通過核對部分通過
本週完成
原生保存點冷載入與同題部分前綴比較分開；外接 9B 的核心依賴題、工程解析修復、索引排序有界搜尋及來源研究是不同任務，不能合併計算成功率。
驗證與數字
依賴題原始 4/13、模型收到回饋後 6/13，真依賴均 0/2；工程修復固定驗收 13/13，另有未見 10/10。另一索引排序候選在凍結查詢由 15/24 到 24/24，首次未見碰撞為 18/18。來源研究首輪遭拒，狀態接續後兩項結論通過。各分母與作者不同。
失敗與未完成
11 月 2–4 日另有原生 SQLite 新題 3/3 與接受提交，但 learner 更新為零。已知題的 value-only 更新後提交需人工協調重建。完整訓練數值、on-policy 更新、舊狀態完整還原和一般泛化仍待驗。詳細原始研究證據維持私有，公開摘要不是獨立重跑。
作者與 AI 分工
作者決定研究方向與公開範圍；AI 協助程式、實驗、紀錄與核對。模型輸出、有界搜尋和工程修補分開記錄。
下一步
對未通過的數值與恢復路徑做獨立驗證，並在固定資源限制下測試未見題。