Skip to content

research_log.md

Latest commit

 

History

History
835 lines (774 loc) · 61.3 KB

research_log.md

File metadata and controls

835 lines (774 loc) · 61.3 KB
Raw

TrustContact Research Log

2026-08-24

  • 当前阶段：Stage 0–2，项目边界、文献地图、gap/RQ 冻结；
  • 完成内容：
    • 审查原 Novelty Audit；
    • 核验 ProsePose、APU、ISP、BUDDI、PromptHMR、VLM Feedback、InterMesh、SocialMirror、VLM-Guided GPA、Inter-X++ 等最近邻；
    • 将首篇论文收缩为 conditional utility + selective abstention；
    • 删除 75×75 coupling 新颖性主张；
    • 建立 baseline 分层、MVP 和四个 kill gates；
  • 新发现：
    • “Adapting Human Mesh Recovery with Vision-Language Feedback” 是原审查遗漏的语言→HMR refinement 近邻；
    • InterMesh 使“interaction semantics improves HMR”的宽泛主张失效；
    • ISP 已覆盖 75×75 双边 contact signature；
    • CHI3D 视角/事件相关性要求 cluster split；
  • 当前假设：H1/H2/H3 见 02_gap_rq_baselines.md；
  • 当前风险：两个 MAJOR——新颖性稀释和范围过大；
  • Novelty 影响：从“VLM×contact 新方法”调整为“decision-focused constraint utility benchmark 与 policy”；
  • 新增 baseline：Adapting HMR with VLM Feedback、InterMesh、ISP、Decision-Focused Learning lineage；
  • 下一步：关键 repo/data/license audit 和 baseline smoke test；
  • Gate：Gate 1 条件通过，Gate 2/3/4 未通过。

2026-08-24 — VLM 语义接触传感器专项审计

  • 当前阶段：Gate V0 设计、最新 novelty watch 与实验注册；
  • 完成内容：
    • 核验 Qwen3-VL-8B-Instruct、InternVL3.5-8B-HF、MiniCPM-V 4.6 的官方版本、Apache-2.0 许可与本地部署入口；
    • 将 MiniCPM-V 效率基线明确为 1.3B 的 4.6，不再使用模糊“系列版本”；
    • 审计 proposer、逐边 verifier、5 次采样、paraphrase、flip、person swap、crop 和 selector features；
    • 识别并修复 penetration change outcome leakage；
    • 建立 20-event prompt debug + 80-event locked VLM utility audit；
  • 新阅读/核验：InteractVLM、GECO、ContactPrompt、REACT、LayoutVLM、LRR-Bench、ViewDiag、Qwen3-VL、InternVL3.5、MiniCPM-V 4.6；
  • 新发现：
    • ContactPrompt 已覆盖多阶段结构化接触推理；
    • REACT 已覆盖“距离候选 + VLM 多视图真假验证”，但任务是人形机器人接触 retargeting，且当前为匿名在投；
    • ViewDiag 表明 consistency 可以高而 accuracy 很低，一致性不能直接作 use 规则；
    • SocialMirror 已把 confidence、adaptive reweighting、semantic–visual agreement 写为未来方向；
  • Novelty 影响：generate-then-verify 和结构化 JSON 降级为必要实现；核心继续收缩为 outcome-supervised utility、fixed-candidate residual value 和 no-harm selection；
  • 当前风险：Gate 2 仍未通过；Qwen 的任务优势和 5090 实际配置尚无本地证据；
  • 下一步：先做 oracle-headroom，再完成 Gate V0 三模型 locked audit；
  • Gate：Gate V0 未通过，Gate 1 条件通过，Gate 2/3/4 未通过。

2026-08-24 — 实验执行启动与 Gate-A 基础设施

  • 当前阶段：Gate-A oracle contact headroom；VLM/selector 训练尚未授权；
  • 已完成内容：
    • 在数据盘隔离创建 /root/autodl-tmp/vlmcontact，不修改既有 3D 瑜伽工程；
    • 固定 Multi-HMR、BUDDI、ProsePose、PyTorch3D 和 DINOv2 仓库版本；
    • 建立 Python 3.10 / PyTorch 2.7.1+cu128 环境；
    • 从源码构建 PyTorch3D 0.7.9，并在 RTX 5090 上通过 CUDA knn_points；
    • BUDDI optimizer/loss/diffusion 核心模块导入通过；
    • TrustContact 单元测试 6/6 通过；
    • 审计 ProsePose CHI3D processed val：3656 records、914 events、429 eligible records、118 eligible events，包含 GT SMPL-X、75×75 contact、cached BEV SMPL-X；
  • 真实失败记录：Multi-HMR 上游 checkpoint URL、PyTorch 2.6+ weights_only、 DINOv2 网络获取、Anny 0.6 输出键均触发兼容问题，均保留独立 patch 与原始日志；
  • 当前硬阻塞：授权的 SMPLX_NEUTRAL.npz 尚未放入项目资产目录；
  • 数据边界：processed CHI3D 可支持 Gate-A；raw CHI3D 仅在 VLM 图像推理和重跑 initializer 前必需；
  • 下一步：完成 processed CHI3D 校验/manifest，跑通 Multi-HMR smoke，然后在 SMPL-X 文件到位后立即执行重复优化噪声试验与 paired O0/O1/O2；
  • Gate：Gate 3 的基础代码/环境部分通过，Baseline 数值复现和 Gate-A 未通过。

同日执行补充：真实数据 preflight

  • Multi-HMR Anny 单图前向与可视化成功，RTX 5090 记录约 421 ms；Anny 不是 Gate-A 的 SMPL-X baseline，因此不报告为任务性能；
  • CHI3D 118 个 eligible events 完成 cached initializer 审计：
    • GT 标注接触边的 full-region 最小距离均值 164.96 mm；
    • 双人相对平移误差均值 180.85 mm；
    • 正确 SMPL-X→OpenPose25 映射后的 VitPose 重投影误差均值 17.27 px；
    • low-resolution winding-number 最大穿透深度均值 35.16 mm；
  • 发现并修复：错误使用 SMPL-X 前 25 joints 会产生约 156 px 的伪重投影 误差；该映射错误已增加单元测试；
  • 解释边界：以上只证明 initializer 与评测有明显改进空间，不证明 GT contact 约束在受控优化下有效，scientific_result=false；
  • Gate 状态：环境和 metric plumbing 通过；Gate-A 仍等待 SMPL-X neutral 模型 后执行 O0/O1/O2 配对干预。

2026-08-24 — Gate-A 接触干预冒烟与噪声 pilot 启动

  • 授权 SMPLX_NEUTRAL.npz 已安装并通过 CUDA 前向与拓扑校验；
  • 发现官方 heuristic_02_chi3d.yaml 的注释与实现不一致：配置选择 hhcdistmin，而该 loss 完全忽略 75×75 contact map。早期三条件相同的结果 因此作废，不进入论文证据；
  • Gate-A 改用仓库中真实消费 contact map 的官方 hhcmap 实现，并记录该 protocol deviation；
  • 单事件预注册权重网格完成。权重越大，接触距离越小，但重投影与 pose 安全代价增大；冻结 w=0.1 进入 noise pilot；
  • 完整收敛记录 5：O0 实际 138/452 步，O2 实际 156/408 步；O2 将 GT-edge distance 78.11→41.84 mm、relative translation error 160.33→105.70 mm、 penetration max 71.50→65.58 mm、reprojection 6.206→6.121 px；MPJPE 与 PA-MPJPE 各约 +0.81 mm；
  • 10 events × O0/O2 × 3 repeats 共 60 runs 已以固定配置启动；完成前不冻结 neutral band，也不启动 VLM；
  • 单元测试：本地隔离插件并设置 PYTHONPATH=src 后 8/8 通过；
  • Gate：Gate-A 有正向单事件证据但尚未通过，等待重复噪声和多事件结果。

2026-08-24 — Gate-A noise pilot 完成与主实验启动

  • 完整性：10 events × O0/O2 × seeds 42/43/44 = 60/60，失败 0；
  • 重复噪声：全部最终参数与指标在 cell 内一致，经验 range=0；因此主实验每 cell 只跑一次，并改用 event-level bootstrap 表达不确定性；
  • O2−O0 GT-edge distance：mean −88.67 mm，median −74.90 mm，95% cluster bootstrap CI [−126.55, −50.59]，10/10 events 改善；
  • relative translation error：mean −91.01 mm，CI [−153.31, −31.66]；
  • 30 mm contact F1：mean +0.0527，但 CI [−0.0285, +0.1779]，禁止声称稳定提升；
  • 冻结非劣界限后，noise-pilot advancement check 全部通过；这只允许进入 main Gate-A，不是最终 Gate-A pass；
  • 主 cohort：排除 10 个 noise events 后，从剩余事件按 8 类动作分层固定 50 events；O0/O1/O2 共 150 cells 已后台启动；
  • 研究边界：released val 全部来自 s02，最终结果不能支持 subject generalization claim；
  • Gate：Gate-A in progress；VLM/selector 仍未授权。

2026-08-24 — 顶会 Baseline 专项审计与 Gate-A 主实验落盘

  • Gate-A 主实验完整性：50 events × O0/O1/O2 = 150/150 cells，失败 0；
  • 主要结果：O2−O0 GT-edge distance mean −93.23 mm，95% event bootstrap CI [−113.30, −74.50]；relative translation error mean −58.10 mm，CI [−77.70, −39.45]；MPJPE mean −0.81 mm；
  • 安全失败：penetration max mean +13.24 mm，CI 上界 +19.53 mm；penetration mean +3.55 mm，CI 上界 +5.62 mm，均超过预注册 margin；最终 gate_a_pass=false。这说明接触约束有明显收益也有真实伤害，支持 utility selector 的问题设定，但禁止在 utility/no-harm 标签重冻结前开始大规模训练；
  • 顶会 baseline 审计新增关键工作：REMIPS（NeurIPS 2021）、CRMH（CVPR 2020）、GroupRec（ICCV 2023）、SAT-HMR（CVPR 2025）、HUG3D（CVPR 2026 Highlight）、Frequency-Domain Denoising（CVPR 2026）；
  • 冻结单图主表：BEV、Multi-HMR、PromptHMR interaction off/on、BUDDI、 ProsePose、TrustContact；其中 PromptHMR 是最高优先级新增复现；
  • 分轨决定：CloseInt/CloseApp/频域方法仅进入 video track；VLM-Guided GPA 与 HUG3D 作为机制/最新任务近邻，不在代码不可用或输出不匹配时伪造数值比较；
  • 当前服务器仅有 processed CHI3D，原始 JPG/PNG 数量 0；新增 feed-forward baseline 的硬前置是取得原始 CHI3D 图像；
  • 下一步：重冻结 composite utility 与 penetration-safe labels；下载/挂载 raw CHI3D；按 PromptHMR → Multi-HMR → SAT-HMR（效率可选）顺序复现。

2026-08-25 — 全项目状态审计与实验路线重冻结

  • 当前阶段： Gate-A 完成后的问题验证与 safety-aware optimizer 前置。
  • 完成内容：
    • 从服务器同步 gate_a_main_50 的 analysis、evaluation 和日志到本地；
    • 核对远程 SMPL-X neutral asset，SHA256 与 handoff 文档一致；
    • 确认服务器无后台实验，RTX 5090 空闲，CHI3D 原图仍为 0；
    • 审计所有研究文档、动态表、TrustContact 源码、配置、测试和关键脚本；
    • 修正 utility.py 与真实 Gate-A 冻结安全指标不一致的问题；
    • 新增 export_gate_a_utility_labels.py，按实验前冻结阈值导出事件级标签；
    • 本地单元测试 10/10 通过；
    • 新增 configs/gate_a2_safety_repair.yaml 和修订实验路线。
  • Gate-A 最终结果：
    • 50 events，150/150 cells，0 failures；
    • O2-O0 GT-edge distance -93.23 mm，95% CI [-113.30, -74.50]；
    • relative translation -58.10 mm，95% CI [-77.70, -39.45]；
    • penetration max +13.24 mm，95% CI [7.41, 19.53]，超过 10 mm margin；
    • penetration mean +3.55 mm，95% CI [1.53, 5.62]，超过 3 mm margin；
    • 原始 gate_a_pass=false 保持不变。
  • Utility 标签诊断：
    • O1：21 helpful / 6 neutral / 23 harmful；
    • O2：15 helpful / 5 neutral / 30 harmful；
    • harmful 主要由 penetration 触发。
  • 新发现： contact headroom 与 safety harm 同时成立，形成了真实的 selective-decision phenomenon；但如果不加入 safety-aware optimizer control，审稿人可以合理质疑 selector 只是在修补过弱 optimizer。
  • 当前假设： 预优化 geometry+VLM evidence 可能预测 constraint utility；尚无实验证据。
  • 是否影响 novelty： 强化 outcome-aware use/abstain 动机，不改变“75-region/contact-aware reconstruction 本身不新”的裁决。
  • 是否新增 baseline： 主表保持 BEV、Multi-HMR、PromptHMR off/on、BUDDI、ProsePose；Gate-A2 新增 safer-optimizer control，不作为外部论文 baseline。
  • 是否调整 Research Question： 主 RQ 不变，但增加前置条件：必须在至少一个经过审计的 safety-aware optimizer context 中测试。
  • 下一步： 同步更新代码到服务器；冻结 Gate-A2 未使用事件；审计 penetration/collision loss；取得 CHI3D 原图；安装 PromptHMR。

2026-08-25 — Gate-A2 weight sensitivity 与 safety-aware control 完成

  • 当前阶段： Gate-A2 完成；原 Gate-A 失败判定保持不变。
  • Cohort 完整性： 从 58 个未使用 eligible events 冻结 development 20、 confirmation 20、reserve 18；与 noise/main 不重叠；reserve 在最终配置冻结前 未运行或查看。
  • Stage-0 development： O0 加 O1 contact weights 0.03/0.10/0.30， 80/80 cells、0 failures。0.03 与 0.10 通过全部检查；冻结规则选择 0.10。
  • Stage-0 confirmation： 40/40 cells、0 failures。O1-O0 GT-edge distance mean -41.58 mm，95% CI [-70.75, -20.09]，19/20 events 改善；但 penetration max CI 上界 12.79 mm > 10、mean 上界 4.23 mm > 3，故 confirmation_pass=false。该 cohort 未被重跑或用于后续权重选择。
  • Safety-loss 审计： 选择发布代码中的 ProsePose GeneralContactLoss (hhcgen)。record 1053、weight 0.10 的加权 loss 0.468、translation gradient norm 45.81；4-step paired smoke 中 O1 penetration max 64.50→58.12 mm、mean 18.71→16.60 mm，梯度与短程方向均通过。
  • Stage-1 development： contact weight 固定 0.10，O0/O1 均加入相同 hhcgen，扫 0.03/0.10/0.30；120/120 cells、0 failures。三档全部 eligible； 0.03 的接触改善 -63.15 mm，与最优 0.10 的 -67.24 mm 相差 4.09 mm，按 预冻结 within-5-mm tie-break 选择更小的 0.03。
  • Stage-1 reserve confirmation： frozen hhcmap=0.10, hhcgen=0.03， 18 events × O0/O1 = 36/36 cells、0 failures。GT-edge distance mean -80.86 mm，95% CI [-118.67, -47.46]，18/18 改善；relative translation -44.44 mm；penetration max/mean CI 上界 6.21/2.60，低于原始 10/3 margins； MPJPE、PA-MPJPE、PVE、reprojection 也全部通过，最终 confirmation_pass=true。
  • 事件级异质性： reserve 仍为 8 helpful / 2 neutral / 8 harmful；aggregate safety pass 不等于每个 contact edge 都安全，selective-utility 问题仍存在。
  • 工程修复： evaluator 在 chdir 前统一解析所有输入输出路径；runner 新增 --penetration-weight、loss/gradient provenance；sweep analyzer 支持 contact 与 penetration 轴及 reserve cohort；本地测试 10/10，脚本编译与 bash syntax 通过。
  • 中断恢复： reserve 运行期间远端 SSH/实例短暂中断；数据盘保留 13 个结果， 可恢复 runner 正确跳过已有 JSON 并补齐 36/36，未覆盖已有单元。
  • 是否影响 novelty： 排除了“selector 只是在修补明显过弱、无 collision handling 的 optimizer”这一最直接替代解释；但尚未证明 VLM residual value。
  • 是否新增 baseline： hhcgen 是优化器 control，不冒充外部论文 baseline；主表 仍为 BEV、Multi-HMR、PromptHMR off/on、BUDDI、ProsePose、TrustContact。
  • 下一步： 取得 licensed raw CHI3D 并冻结 image manifest；安装和 smoke PromptHMR interaction off/on；随后才允许 Gate V0，不启动大规模 VLM/selector。

2026-08-25 — PromptHMR off/on smoke 与 CHI3D raw-manifest gate

  • 当前阶段： R0 数据闭合未完成；R2 baseline gate 部分完成。
  • PromptHMR provenance： 官方仓库固定到 3b566b7dbb28ce506c7ea972c18693f4c705ce8c；checkpoint/config SHA-256 分别为 a3ef04ef...e97e99 与 31142aaa...a2447；许可为仅限非商业科研，禁止再分发。
  • 环境： 单独克隆兼容环境，固定 PyTorch 2.7.1+cu128、xFormers 0.0.31、 Ultralytics 8.3.80、PyTorch Lightning 2.4.0。官方 xFormers attention 在 RTX 5090 sm_120 失败，运行时仅将无参数 attention operator 替换为 PyTorch SDPA；官方 tracked source 保持 clean，checkpoint 仍 strict load。
  • off/on smoke： 官方 example_1.jpg、相同 top-2 boxes、无 mask；仅切换 cross-person attention。预热后 off/on 53.26/56.63 ms；on-off paired output displacement 为 vertices 41.13 mm、joints 42.21 mm、translation 43.01 mm。 结论仅为开关可执行且非退化，scientific_result=false。
  • 评测审计： 官方入口检查 CHI3D_TEST，但 released Evaluator 没有对应 constructor branch；不能把当前 smoke 写成官方 CHI3D reproduction，需共享 evaluator adapter。
  • raw manifest： 新增 CHI3D-RAW-IMAGE-FREEZE-V1，对既有 main-50 cohort 要求 exact canonical stem 唯一命中，并记录 path/dimensions/bytes/SHA-256； missing、ambiguous 或 invalid image 一律不落最终 manifest。本地/服务器均为 0/50 resolved、50 missing，符合当前 raw image 缺失事实。
  • 验证： 本地与服务器测试均为 13/13；PromptHMR 环境 pip check 通过； checkpoint 与支持资产完成跨机器 hash 校验。
  • 当前风险： raw CHI3D 仍是硬阻塞；PromptHMR official interaction package 还包含 mask prompt，必须与只切换 cross-person attention 的主消融分开报告。
  • 是否影响 novelty： 不改变 TrustContact utility gap；进一步确认 PromptHMR 已覆盖一般 cross-person interaction reasoning，因此不能主张“首次引入交互语义”。
  • 是否新增 baseline： PromptHMR 从 queued 变为 engineering-runnable； Gate 3 仍未通过，直到 PromptHMR 与 Multi-HMR 跑同一冻结 CHI3D manifest。
  • 下一步： 取得 licensed CHI3D 原图并严格冻结 50-event manifest；随后只跑 PromptHMR off/on 与 Multi-HMR 共享评测，继续禁止大规模 VLM/selector 训练。

2026-08-25 — 服务器续连与统一 baseline 输入完整性门

  • 服务器状态： 已重新连接；RTX 5090 空闲，无残留 PromptHMR、Multi-HMR、 VLM 或 selector 进程。
  • 数据复核： /root/autodl-tmp/vlmcontact/data/raw 仍为空；服务器没有新增 CHI3D 压缩包或能匹配冻结 cohort 的原图。当前唯一 RGB 是 Multi-HMR 官方 Anny 示例软链接，禁止将其当作 CHI3D 结果。
  • 新增执行门： 实现 CHI3D-BASELINE-INPUT-VERIFY-V1。在每个方法推理前 重算 manifest SHA-256，并逐图检查路径不能越出 raw root、文件存在、字节数、 SHA-256 与宽高；manifest id、行数、顺序或 event 唯一性异常也会 fail closed。
  • 验证： 新增完整、图片篡改、manifest 篡改和缺失 manifest 四类测试；本地 全套测试 17/17 通过。服务器同步后必须再次运行同一测试和真实 preflight。
  • 研究影响： 不新增模型贡献；它保证 PromptHMR/Multi-HMR 比较真正使用 byte-identical 输入，并堵住数据漂移或误用 processed pickle 的复现性风险。
  • 当前 Gate： Gate 3 仍不通过；raw CHI3D 是唯一阻止 fresh unified inference 启动的直接数据阻塞。继续禁止大规模 VLM/selector 训练。
  • 下一步： 原图就位后先冻结 50-event manifest，再通过输入完整性门，随后 依次运行 PromptHMR box-only off/on、PromptHMR official mask+interaction 和 Multi-HMR，并进入共享 evaluator。

同日续记：可恢复 baseline runners 已就绪

  • 冻结脚本补为真正 immutable：已有 manifest/lock 与新解析完全一致时幂等 返回，不改写；只要图片 bytes、source manifest、cohort 或 lock 有差异就拒绝 覆盖。新增两项回归测试后本地与服务器均为 19/19。
  • 新增 PromptHMR main-50 runner：同图、同 top-2 detector boxes、无 mask，成对 运行 interaction off/on；模型只加载一次，保存 pose/betas/transl/vertices/ body_joints/cam_int、boxes、耗时与全部 hash provenance。
  • 新增 Multi-HMR main-50 runner：使用 pinned Anny checkpoint 与官方默认 FOV/detection 路径，保存逐人全部 tensor、camera、原始尺寸与 provenance。
  • 两个 runner 均先调用 byte-integrity gate；断点跳过只在 event、image hash 和 run-config hash 全部一致时发生，任何冲突都中止而不是覆盖。
  • 新增统一 launcher 的 preflight/显式 run 两种模式。服务器实跑 preflight 在 freeze 阶段因 0/50 原图返回非零并停止，证明不会加载模型或制造结果。
  • 当前 GPU 2 MiB / 32607 MiB、利用率 0%，无 baseline、VLM 或 selector 后台任务。

2026-08-26 — Hi4D 数据闭合、PromptHMR/Multi-HMR 基线与共享评测完成

  • 当前阶段： R2 的 Hi4D baseline gate 完成；小规模 Gate-V0 可以开始， 大规模 VLM 与 selector training 仍未授权。
  • Hi4D 数据审计： train/test 为 75/25 个不重叠序列、600/200 个 sequence-camera clips、70,600/24,960 帧；八相机帧集合一致。images.zip 中 95,560 张图与 annotation 路径完全对应，masks.zip 中 191,120 张 mask 恰为 两人各一张。标注是 SMPL（72 pose、10 betas、6,890 vertices），不是 SMPL-X； contact 为 0 sentinel 或 1..6890 的一基 partner vertex id。
  • 冻结输入： HI4D-BASELINE-TEST100-V1 固定 Camera04、25 个 test sequences、每序列四个均匀帧，共 100 张；manifest SHA-256 为 32b7af96...cc5e4e。所有图像路径、bytes、dimensions 与 SHA-256 通过 独立 preflight，统计按 sequence cluster 而不是把四帧当独立样本。
  • PromptHMR： GT-box off/on 100/100 成功；detector-native 97/100 成功， 三个漏检事件完整保留。checkpoint 仍用 strict loader，RTX 5090 的 xFormers attention 仅在运行时替换为无参数 PyTorch SDPA。
  • Multi-HMR： 下载并核验 ECCV 2024 multiHMR_896_L.pt，SHA-256 c1b55933...02ca；DINOv2 source archive SHA-256 eebbfa9e...10497，强制 offline torch-hub load。100/100 inference 完成， 93 帧输出两人、7 帧输出一人；median forward 42.84 ms。Anny checkpoint 不再作为论文主 baseline。
  • 共享 evaluator： 使用 Hi4D 内置 gender-aware SMPL-24 GT joints；预测 SMPL-X vertices 经 PromptHMR 发布的 24x10475 joint regressor 转换；individual metrics 用 SMPL hip midpoint，pair PA 对两人 48 joints 只做一次 similarity transform。Multi-HMR 用 padded-image center matching，Prompt detector track 用 detector-box-to-person-ID matching；missing person 只影响 coverage，不被 静默删除。10,000 次 sequence-cluster bootstrap。
  • 端到端 detector track： Prompt off/on coverage 均 97%，root MPJPE 37.53/36.98 mm，PA-MPJPE 20.34/20.05，pair PA 50.28/49.96；Multi-HMR coverage 93%，对应 70.11/54.86/85.89 mm。数值是条件几何均值，必须和 coverage 一起报告。
  • 关键机制结果（GT-box）： on-off root MPJPE -0.378 mm，95% cluster CI [-0.709,-0.028]；PA-MPJPE -0.193 [-0.326,-0.053]；但 pair PA +1.140 [+0.115,+2.208]、relative pelvis +3.692 [+0.626,+6.796]。interaction-on 改善单人姿态却损害双人布局，独立支持“intervention utility 是 context/outcome dependent”的故事线；仍不证明 VLM 能预测这种效用。
  • 协议限制： 当前是 TrustContact shared SMPL-24 protocol，不冒充 PromptHMR 官方 H36M-14/PVE 表。精确 PVE 仍受 Google Drive evaluation annotation 路由与 licensed gendered SMPL assets 阻塞。
  • 代码验证： evaluator、person matching、pair metric 与 offline DINOv2 loader 已加入；本地测试 27/27 通过。
  • 下一步： 冻结 75-region ontology 版本、Hi4D 20-image prompt-debug subset 和 disjoint locked Gate-V0 subset；只运行 Qwen3-VL-8B 的格式、A/B 身份、左右与候选接触 smoke，全部 JSON/hash 缓存。通过前不扩到三模型， 不训练 selector。

2026-08-26 — Gate-V0 Qwen3-VL DEBUG20 严格执行与失败判定

  • 冻结数据与隔离： 从 HI4D-BASELINE-TEST100-V1 按完整 sequence 划分 20 张 prompt-debug 图像和 80 张 LOCKED80；两者 sequence/event 零重叠。 DEBUG20 manifest SHA-256 为 9a929071...aa1b66，LOCKED80 为 595eabbb...f1bf27。本轮没有对 LOCKED80 做推理或目视检查。
  • ontology 纠偏： 冻结的 FlickrCI3D/CHI3D 75 区域是 SMPL-X 顶点 patch， 官方文件没有可直接交给 VLM 的自然语言部位名。因此另冻 31 个 RGB 可观察 语义区域，仅用于候选生成；从 31 区到 75 patch 的映射仍为 not_frozen， 当前 VLM 输出禁止直接成为 optimizer constraint。
  • 模型与复现： 使用冻结的 Qwen/Qwen3-VL-8B-Instruct revision 0c351dd...7ff3b，ModelScope 传输 revision 1610d9f...8dc9；16/16 权重文件 通过 size/SHA-256 校验。VLM 全冻结，RTX 5090，本轮无训练。
  • prompt 版本纪律： v1 负样本照抄 prompt 中具体示例边，判失败；v2 删除 示例后仍在明显无接触图上输出两个 confidence=1.0 的 contact，判失败；仅在 DEBUG20 的两张预检图上形成 v3。v3 增加同一图像位置触点检查、明确框重叠 不是证据、遮挡时允许 uncertain/空边。数据、模型和 Go/No-Go 阈值始终不变。
  • v3 预检： 负样本返回空边；正样本返回一条 near_contact；格式、身份、 ontology 与边数均合规，故允许执行 DEBUG20，而不是宣布模型有效。
  • DEBUG20 执行： 20 张 × 5 次，共 100/100 缓存完成；100% JSON 有效、 100% A/B identity 合规、0 次超过 top-3。累计推理 288.72 秒，median 2.62 秒/样本。所有 cache 含 model/prompt/image/generation hash 与 seed。
  • provenance erratum： 产物回传后的 fail-closed 审计发现 v1-v3 协议内 DEBUG20/LOCKED80 manifest hash 各有一次 65 字符转录错误。原协议均保留； v3.1 首次修正 locked hash 后又被审计器拒绝，v3.2 才同时匹配两个 immutable CSV。v3.2 的 reference、manifest、prompt、model revision/config、identity packet、ontology、event/sample count 共 10 项 provenance checks 全部通过。 LOCKED80 从未运行，cached inference 与数值未受该元数据错误影响。
  • 冻结 Gate 结果： gate_pass=false。contact-only majority 的 TP/TN/FP/FN 为 0/8/1/11，balanced accuracy 0.444 < 0.60；粗边 TP/FP/FN 为 0/1/87， precision 0 < 0.50；没有 laterality-evaluable prediction，因此 laterality check 失败。JSON、identity、edge-cap、complete-events 四项通过。
  • 失败后诊断（不改变 Gate）： 100 次输出包含 112 条 near_contact、仅 5 条 contact。若把 contact|near_contact|uncertain 只解释为 proposer candidate，事件存在性为 TP/TN/FP/FN=10/8/1/1，balanced accuracy 0.899； 但 exact coarse-edge precision 仍仅 0.10（2 TP、18 FP），recall 0.023。 这说明 Qwen 对“是否存在交互邻近区域”有信号，但具体 body-part grounding 不可靠；该数值是 post-gate diagnostic，不能覆写 Gate 失败结论。
  • 代表性失败： talk23/000039 在无接触 GT 上 5/5 稳定输出 A.left_hand–B.left_hand contact，构成 consistent-yet-wrong 反例；另一方面 11 个接触事件没有任何一个被多数样本判为 contact，显示 v3 由幻觉转为 near_contact state collapse。采样一致性不能被当作正确性或 utility。
  • 当前结论： 以 gate_v0_protocol_v3_2.json 和 qwen_debug20_v3_2_audit.json 为最终可追溯判定。Gate-V0 不满足进入 locked audit、跨 VLM 或 selector 训练的 条件。结果反而加强了 TrustContact 的核心动机：VLM 只能产生有噪声的语义 候选证据，不能直接决定约束；但在证明 verifier/geometry 能修复细粒度 grounding 前，不得声称 utility selector 已可行。
  • 下一步： 保留 v3 与失败结果不改动；在 DEBUG20 内新增固定候选逐边 verifier 小实验，使用 GT-positive、几何 near-contact 和对抗负边的平衡 bank， 检验 verifier 是否把 coarse-edge precision 从 0.10 提升且不牺牲负样本 specificity。若 verifier 仍失败，则停止 Qwen 路线并重新评估候选 ontology/ visual grounding；LOCKED80、InternVL、MiniCPM 和 selector 继续冻结。

2026-08-26 — Gate-V0b–V0e fixed-edge verifier 严格执行与停止判定

  • Gate-V0b 文本 fixed-edge 预检： 冻结 49 条 coarse candidate bank；其中 proposer consensus 为 20 条、精度 0.10，另含 11 条正 anchor、11 条同事件 hard negative 和 9 条 no-contact control。只查询一真一假两条预检边。四次 查询中 JSON 有效率 0.75；support-first 对真/假边均回答 supported， falsification-first 对真/假边均给出 contradicted 语义，暴露严重 prompt polarity bias。完整 98-query run 未启动。
  • 协议/实现纠错： Hi4D 的 orientation-free torso_mid 不再被任意映射为 abdomen_front；改用 direction-agnostic coarse ontology。PromptHMR 源码确认 body_joints 是 OpenPose BODY-25，而不是 native SMPL-X 25。旧 overlay v1 将 index 21 左脚跟误当右手、index 16 左眼误当左肩，已保留为失败证据； V0c-v2 修正为 OpenPose 映射并加入源码/hash provenance。
  • Gate-V0c 配对定位实验： 在相同模型、相同一真一假边、相同两份中性化 JSON prompt 和确定性解码下，对比 A/B boxes-only 与 PromptHMR joint-region overlay，共 8 次查询。两臂结果完全相同：prompt A 对两边均 supported， prompt B 对两边均 contradicted；JSON/identity/echo/provenance 均 1.0， 但 prompt agreement=0、polarity conflict=1.0。表明失败不是部位标记缺失， 而是模型服从 prompt 立场。49-edge run 继续冻结。
  • Gate-V0d 中性证据分解： VLM 不再输出最终 decision，只报告 highlight alignment 与 surface_meeting / visible_gap / depth_ambiguous / occluded；最终 三分类由预注册代码规则产生。另冻 basketball28 的 4 条 prompt-dev 边和 sequence-disjoint talk23 的 4 条 audit 边。dev 的 8/8 JSON 有效，但 4/4 consensus 全为 uncertain，agreement=0.5、coverage=0，因此 audit 组从未 运行或查看。
  • camera-specific visibility 诊断： 用 Hi4D GT pose/contact、Camera04 内参、GT person masks 和 joint two-person z-buffer 构建 20 帧 contact visibility artifact。neutral-SMPL 对标注 joints 的总体 mean reprojection error 为 11.59 px，最大 person-mean 25.32 px；visible silhouette IoU mean 0.710、min 0.340。87 条 coarse GT contact edge 均有至少 5% 双端可见 correspondence；V0d/V0e 四条正边双端可见比例为 1.00、0.93、0.78、0.81。 该产物是诊断 proxy，不是官方 Hi4D visibility annotation。
  • Gate-V0e predicted-surface grounding： 利用冻结 PromptHMR interaction-off SMPL-X vertices、官方 sparse SMPL-X→SMPL transfer、SMPL segmentation 与 two-person z-buffer，仅渲染当前候选的可见 mesh surface；不使用 GT contact 或 GT masks。相对 V0d 只改变视觉表示。dev 仍 4/4 abstain，agreement=0.5、 polarity conflict=0.25、coverage=0。尤其在候选 surface 为 0 visible pixels 时，两个 prompt 分别产生 surface_meeting 与 visible_gap，构成明确的 empty-pointer hallucination。
  • 停止判定： V0b、V0c、V0d、V0e 均按各自预注册门槛失败；没有运行 talk23 audit、49-edge full、LOCKED80、InternVL、MiniCPM 或 selector training。 不再对已查看的 basketball28 dev 图修改颜色、措辞或阈值。当前证据不支持 Qwen3-VL 作为 contact verifier；它最多保留为高噪声候选/语义特征源。
  • 路线更新： 下一步回到论文核心 Gate-B：用冻结的 candidate bank 做真实 optimizer intervention，建立 helpful/neutral/harmful outcome labels；首先比较 geometry-only 与 geometry+现有离线 VLM evidence。只有 VLM 在 event-grouped held-out utility 指标上提供增量，才恢复跨 VLM/selector 论证，否则删除 “VLM verifier”主张并将以上结果作为系统性失败分析。

2026-08-26 — Gate-B pilot：真实 outcome 标签与 geometry-only 控制

  • 协议状态： 新增 GATE-B-PILOT-V1。它复用已经完成的 Gate-A2 reserve18 真实 O0/O1 优化结果，因此是 posthoc_development_only，不能作为 locked confirmation。候选边固定为 75-region GT map 中按字典序选择的 top-1；优化器 固定为 ProsePose HHCS、hhcmap=0.10、hhcgen=0.03、两阶段最多各 1000 次、 seed 42。
  • 严格配对审计： 36 个 optimizer cells 形成 18/18 完整 pairs；O0 无边、 O1 恰好一条边；initializer、seed、iteration budget、contact/penetration weight 全部一致。冻结 candidate bank SHA-256 为 99bb5827c78f4027974612ab84925db9348f0c9589b25a1ec4669ffeae52a68d。
  • 真实 utility 标签： 沿用 Gate-A noise pilot 前冻结的 outcome margins，得到 8 helpful / 2 neutral / 8 harmful。该分布说明安全优化器下仍有真实的 conditional utility，但不等于 selector 已经有效。
  • 无泄漏几何特征： 只使用干预前 candidate contact loss/translation gradient、 penetration loss/gradient、initial reprojection 和 relative translation norm。 region ID、GT edge count/distance、所有 after/delta/label 均排除在 feature matrix 之外。
  • 开发性预测： 按 7 个 interaction families leave-one-group-out。冻结 logistic regression 的 harmful AP=0.714、ROC-AUC=0.688、Brier=0.211、risk-coverage AUC=0.284；简单 contact-loss 风险分数对应 0.536/0.488/0.374/0.491。geometry 在 25% coverage 保留的 4 个事件中 HarmRate=0、helpful=3/4，但 n 很小。
  • 不确定性： 10,000 次 interaction-family bootstrap 中，geometry 相对简单 contact-loss 的 AP 差 CI 跨 0（约 [-0.142, 0.495]），不能声称稳定胜出；相对 training-fold prevalence 的 AP 差 CI 为 [0.069, 0.697]，但该对照受 group-size/ prevalence 排序影响，只能作管线控制。
  • VLM 对齐审计： Gate-B labels 是 CHI3D 18 events；现有离线 Qwen evidence 是 Hi4D 4 events，精确 event overlap=0。已执行 fail-closed 判定 do_not_run_geometry_plus_vlm，禁止按动作名或跨数据集伪配对。因此当前 Gate-B semantic residual 为 not_evaluable_unaligned_offline_evidence，不是 pass/fail。
  • 复现： 本地全套测试 67/67，通过服务器归档 SHA 校验与 targeted 9/9； 服务器重算得到相同 event/label counts 与关键 point estimates。
  • 下一步： 在 Hi4D DEBUG20/PromptHMR initializer 上实现一个 2-event、4-edge optimizer smoke，先验证 coarse→75 patch 映射、O0/O1 paired geometry 和评价 指标；只有 smoke 通过才扩到与 Qwen cache 一一对齐的 Hi4D Gate-B cohort。

2026-08-26 — Gate-B Hi4D 对齐干预与 VLM residual 审计

  • 映射冻结： 使用官方 sparse SMPL-X→SMPL transfer、SMPL coarse segmentation 与 75-region patch 定义，按正 transfer mass 构造 coarse→r75 映射；75 个 patch 中 64 个通过 purity≥0.60 与 mass≥1 门槛，本次四条候选涉及的 7 个 coarse regions 全部可映射。冻结 artifact SHA-256 为 7d602d2033ffaafaa9c9ad0b929b16ead782c141192dd82114608fb3c192ae8e。
  • 工程 smoke： 固定 basketball28 的 2 个 prompt-development events、4 条 balanced fixed edges，运行 O0/O1 共 8 cells、每阶段 2 iterations。8/8 完成； 初始化逐事件一致，O0 零边、O1 恰一边，O1 contact translation gradient 全非零， 重复 O0 输出逐事件完全一致，因此授权仅对同四条候选运行冻结 full optimizer。
  • 完整干预： PromptHMR box-only interaction-off 初始化；由初始化 mesh/camera 生成共同 pseudo-2D anchor；ProsePose HHCS 固定 hhcmap=0.10、hhcgen=0.03、 seed 42、两阶段各最多 1000 次。8/8 cells 完成，使用 Hi4D 真实 contact correspondence 与真实 SMPL 参数只作干预后的 outcome evaluation。
  • 真实 outcome： 四条候选产生 1 helpful / 2 neutral / 1 harmful。真 torso_mid→torso_mid 使 GT-contact distance 降 20.04 mm 且无 safety violation； 真 right_shoulder→right_forearm 只改善 0.41 mm，判 neutral；假 left_shoulder→right_forearm 使 GT-contact distance 增 47.34 mm、pair-PA 增 19.95 mm、relative pelvis error 增 96.42 mm，判 harmful。这直接证明 semantic truth 与 downstream utility 不能互换。
  • VLM 精确对齐： V0d predicted-overlay 与 V0e surface-overlay 的 candidate、 event、raw image hash 和 coarse edge 均与上述四条 outcome 一致。两套 Qwen fixed-rule 对四条候选全部为 uncertain，coverage=0；所有 JSON、A/B identity 与 candidate echo 检查通过。prompt disagreement 恰覆盖唯一 harmful，但也误报 一个 neutral，且两个 flagged candidates 来自同一 event，属于 event-confounded development diagnostic，不能声称 VLM residual。
  • Gate 判定： gate_b_semantic_residual_pass=false；状态为 not_evaluable_n4_two_events_zero_fixed_rule_coverage。没有训练 selector，也没有 解封 talk23 audit、LOCKED80 或跨 VLM。Gate-B 的 outcome-generation mechanism 已通过小规模验证，但论文的 VLM 增量主张仍未通过。
  • 下一步： 先在已使用的 DEBUG20 development partition 冻结一个更大的、 event-balanced candidate cohort，生成同图同边 outcomes，并以 event-grouped geometry-only 为先验控制；只有预注册样本量、标签多样性与 useful coverage 达标后，才测试 geometry+缓存 VLM evidence，随后才允许一次 locked confirmation。

2026-08-26 — Gate-B DEBUG20 扩大版与创新启动纪律

  • 冻结 cohort： 从已有 Qwen DEBUG20 五次缓存中保留频率至少 1/5 的全部 eligible coarse edges，共 35 candidates、13 events；32 条非 GT coarse edge、 3 条 GT coarse edge。候选 bank SHA-256 为 a8114996528b6f0d84d029fb7cdcf3b288ef1848e5fdc398c6324501aa9f5edf。
  • 运行矩阵： O0 在同一 event 内与 candidate 无关，因此冻结为 13 个 event-level O0 加 35 个 O1，共 48 full optimizer cells；所有 O1 使用相同 PromptHMR GT-box interaction-off initializer、r75 nearest subedge、HHCS hhcmap=0.10、hhcgen=0.03、seed 42、1000×2 iterations。
  • 特征与评价： 在查看标签前冻结 7 个 geometry features 与 10 个 cached-VLM features；禁止 region ID、GT semantic label、after/delta/outcome leakage。 geometry-only、VLM-only、geometry+VLM 使用同一标准化 logistic，按 event 做 leave-one-group-out，并冻结 AP、risk-coverage、Brier 与 50% coverage Go 条件。
  • 自动收尾： batch 完成且无 failures 后才运行 Hi4D GT outcome evaluator， 随后运行 selector evaluator；任一步失败均 fail closed。没有新增 VLM inference， 没有解封 LOCKED80。
  • 创新纪律： 新增 07_innovation_gates.md。创新一尚未开始；只有 Gate-B 形成可解释结果且完成新的 closest-work novelty audit 后才提示 开始创新一了！！！！。创新二只允许由创新一 MVP/消融揭示的第二个独立瓶颈 触发，并在第二次 novelty audit 通过后提示 开始创新二了！！！！。

2026-08-26 — Gate-B No-Go、失败归因与创新一启动

  • 运行完成： Gate-B DEBUG20 的 13 个 event-level O0 与 35 个 O1 全部完成， 48/48 cells、0 failure；得到 28 harmful、5 helpful、2 neutral。
  • 注册结论： geometry-only 的 AP/AUC/Brier/risk-AUC 为 0.846/0.566/0.226/0.717；geometry+VLM 为 0.790/0.444/0.274/0.777。50% coverage HarmRate 从 0.765 升到 0.824， 四项 Go check 全部失败，development_go_for_future_locked_test=false。
  • 不确定性： combined-minus-geometry 的 group bootstrap AP、AUC、Brier、 risk-AUC 差值 95% CI 均跨零；方向总体更差，但不能声称 VLM 必然有害。
  • 候选偏置： 35 条中 3 条 GT-positive、32 条 GT-negative；三条真边均未 harmful。四条假边被全局 contact/geometry proxy 标 helpful，需要 candidate-local outcome 区分 instrumental utility 与 proxy exploitation。
  • target 分解： 28 harmful 中 16 safety-only、11 contact+safety、1 contact-only； 当前 label 主要反映 optimizer compatibility，而非接触语义。
  • 有效样本： 35 candidates 只来自 13 events、5 sequences；最大 sequence 占 42.9%，22/35 候选位于 label-pure event。原 event-grouped OOF 仍可能共享 sequence context，后续必须按 sequence/subject-pair 分组。
  • 特征审计： geometry 7 维 rank=6，VLM 10 维 rank=7；frequency 与 A/B visibility 完全共线，uncertain rate 恒定。VLM frequency 在仅 9 个 within-event comparable pairs 上有 post-hoc 方向信号，但不允许据此改规则。
  • 新 novelty audit： ProsePose/APU/InteractVLM/VLM-GPA/MAMMA/RHINO/ CrossHOI/REACT 已覆盖 contact generation、过滤、多视图、uncertainty 或 mesh critique；generic DFL/selective/trajectory prediction 也已有先例。未检索到与 human-human per-edge paired vector outcome、reversible response probe、 sequence-disjoint risk evaluation 四项同时重合的工作。
  • 路线重构： 创新一进入 Contact Intervention Outcome Factorization 研究阶段： VLM 只负责 semantic admissibility，短 counterfactual optimizer probe 负责 benefit/safety response，最后 use/abstain。立即只允许 Gate-BR0 target repair 和 BR1 probe smoke；LOCKED80、跨 VLM 和大规模 selector 继续冻结。
  • 复现： 新增 scripts/audit_gate_b_failure_attribution.py 和 4 个单元测试， 本地 4/4 通过；artifact 为 audit/gate_b/hi4d_debug20_failure_attribution_v1.json。

2026-08-26 — Gate-BR0 candidate-local vector target repair

  • 局部指标修复： 旧 evaluator 合法复用 event-level O0 参数，但对复用候选沿用了 第一条 edge 的 distance。BR0 从保存的 13 O0 与 35 O1 SMPL-X 参数重建 mesh，针对 每条 selected R75 edge 重新计算 full-resolution minimum 与 ProsePose-sampled bidirectional nearest-neighbour mean/RMS。
  • 复现验证： 35 O1 与 13 direct-O0 共 48 个 saved-distance 对照的最大绝对误差 0.0238 mm，低于冻结 0.1 mm 容差；35/35 vector outcomes 全 finite；本地与服务器 targeted tests 均 7/7 pass。
  • 四条争议边： GBD20-0004/0005/0006/0010 的局部 full-min 分别从 383.29→332.85、251.43→127.75、361.88→206.03、376.50→194.16 mm；虽然全局 GT-contact 改善 198.75–244.55 mm 且 safety pass，但 5/10/20/50 mm 下均没有形成 false contact。判定为本 cohort 中的 safe instrumental constraints，而不是 induced-false-contact 或已证实的 proxy exploitation。
  • 真边饱和： 两条 true/neutral edge 在 O0 已约 3 mm，O1 几乎不变；一条 true/helpful edge 从 74.92 降至 40.10 mm。semantic truth 因而既不能预测 safety， 也不能保证仍有非零 marginal utility。
  • 新风险： 32 条 false edges 中没有一条在 O1 后进入 50 mm；当前 natural bank 无 induced-false-contact 正例。BR1 必须预先加入 O0-nearest hard-negative stratum， 不能通过事后修改阈值制造类别多样性。
  • Gate： br0_pass_for_br1=true，只授权 BR1 protocol freeze 与 K-step probe smoke。LOCKED80、新 VLM 和高容量 selector 保持冻结。
  • 产物： audit/gate_br0/hi4d_debug20_vector_outcomes_v1.json、 audit/gate_br0/hi4d_debug20_disagreement_v1.csv、 research/09_gate_br0_vector_outcome_audit.md。

2026-08-26 — Gate-BR1 train12 response probe 启动

  • 独立 cohort： 从 Hi4D train 冻结 12 个 sequence、12 个 subject pair、12 类 interaction；与 DEBUG20/LOCKED80 sequence 均无重叠。manifest SHA-256 为 f00b8599c69d837df8647c5b9dddd44e508577d7fde62693775d64f1552a7c8f。
  • 初始化与候选： PromptHMR GT-box interaction-off 12/12 成功；在 outcome 前冻结 12 个 GT-positive、12 个 O0-nearest hard-negative、12 个 distance-matched semantic-negative，共 36 candidates。
  • 响应矩阵： 每个 K={1,5,20,100,1000} 独立从同一 initializer 重启，包含 12 event-level O0 与 36 candidate O1，共 48 cells。正式 K=1 已 48/48、0 failure； K=5 已启动。
  • 预注册判据： 在 K=1000 evaluation 前新增 configs/gate_br1_decision_policy_v1.yaml，冻结 candidate-local/global-contact Spearman、安全违规召回、false-contact crossing 召回与 runtime fraction 门槛。
  • 自动收尾： 已启动独立 postprocessor；矩阵完成后逐档生成 GT outcome 与 candidate-local vector，最后执行 sequence-cluster bootstrap 和 Go/No-Go。 新 VLM、selector、LOCKED80 与创新二仍未授权。
  • 测试： 新增三套 evaluator/finalizer tests；本地与服务器均 16/16 通过。

2026-08-26 — Gate-BR1 完成与 delayed-safety No-Go

  • 完成性： K={1,5,20,100,1000} 共 240/240 optimizer cells、0 failure；五档 outcome/vector evaluation 和最终 probe-response analysis 全部完成。
  • 冻结判定： pause_and_diagnose，没有 K 获准进入 BR2。K=1/5/20 的 local/global rank correlation 均低；K=100 的 local/global Spearman 达 0.831/0.745，O1 runtime fraction 为 0.242，三项均通过。
  • 决定性失败： K=100 safety violation recall 为 4/7=0.571，低于冻结 0.80； 漏检 football18 一条 late penetration-mean 和 game22 两条 late penetration-max violation。收益可预测不等于风险可预测。
  • 不确定性： K=100 local/global sequence-cluster bootstrap CI 分别为 [0.518,0.977] 与 [0.296,0.945]。24 个 semantic-negative 在 K=1000 下没有 5–50 mm 新 false-contact crossing，因此该风险轴仍无正例。
  • 数值修复： postprocessor 首次因默认 CUDA cdist 与稳定 cdist 的近零数值差异 fail closed；没有放宽 0.1 mm 门槛，而是分离 runner-compatible 参数复现与稳定科学 指标。修复后五档复现最大误差均为 0，相关 tests 15/15 通过。
  • 下一步： 只执行 BR1-Safety 轨迹归因，检验 late safety 是否可由 slope、 curvature、gradient conflict 或 conservative bound 提前识别；不启动 selector、 新 VLM、LOCKED80 或创新二。

2026-08-26 — BR1-Safety 轨迹审计与 K250 启动

  • 冻结诊断： 对 K={1,5,20,100} safety deltas 按既有 margin 归一化，预先冻结 last-segment log bound、all-point log-linear、quadratic diagnostic 与 conservative envelope；target 仍是已有 K1000 any-safety violation。
  • 固定规则结果： last-segment 检出 6/7、late 2/3，但 8 FP、precision 0.429； envelope 同为 6/7、late 2/3，但 11 FP、precision 0.353。没有规则满足全部门槛， 判 require_intermediate_checkpoint_pilot。
  • 梯度冲突： 从 K20/K100 保存参数重算 contact–penetration gradient cosine； K100 translation 与 pose+translation negative-cosine 描述性 AUC 均 0.918，但仅 27/36 finite，且只覆盖 5/7 positives，不作为 gate rule。
  • 透明更正： V1 的 2/3 浮点门槛多写约 3.3e-11；V1.1 correction-only 修复后 overall No-Go 不变，因为 eligible rules 仍失败 precision。
  • K250： 已冻结并启动 48-cell K250 pilot；不调 threshold、不训练 selector。 自动后处理将按 recall≥0.80、late recall≥2/3、precision≥0.50、runtime≤0.50 给出下一判定。

2026-08-27 — Innovation One optimizer-filter 反证与 gradient-compatibility 独立确认

  • V1 反证： 预注册 absolute post-step penetration filter 在 BR1-10-2、11-0、 11-2 上均为 harmful。机制大量拒绝 optimizer step，冻结基础图像拟合，却仍没有 保证相对 O0 的完整 safety vector；按冻结 gate 拒绝，未调阈值。
  • V2 反证： same-step base-vs-full counterfactual filter 仅将 BR1-11-0 降为 neutral；BR1-10-2 与 11-2 仍 harmful，并产生约 2--4.5 倍运行成本。说明 hhcgen + non-contact objective 不是完整 downstream safety 的充分代理；按冻结 gate 拒绝。
  • 实现审计修复： 旧 gradient extractor 错误包含 global_orient 且遗漏 stage-0 betas。V2 extractor 依据官方 optimizer 的实际 active parameter groups 重算； K100 translation/stage1 negative-cos AUC 为 0.918/0.909。
  • 开发假设： 固定 stage1 contact/penetration gradients both active and cosine >= 0 规则接受 12/36，组成 10 helpful、1 neutral、1 harmful，accepted full-safety violations 为 0。BR1-10-2 的 penetration gradient inactive，因而 inactive 明确定义为 abstain。
  • 独立 cohort： 冻结 Hi4D Camera04 的 15 个新 sequence、3 个未见 subject pair 和 45 candidates；与 DEBUG20、LOCKED80、BR1 sequence 均不重叠。manifest SHA-256 为 0c9238091e6c0cc1ad0ec310bb2e13eabbc250bc58d51ca7ae9c058a944d11355。
  • 执行： PromptHMR GT-box initializer 15/15 完成；candidate bank 45/45 冻结； pipeline/evaluator tests 本地与服务器 5/5 通过。后台已启动 K100 probe + K1000 reference 的可恢复确认管线。
  • 纪律： 确认集不调零阈值；stratum/GT/VLM truth/outcome label 均禁止进入 policy； LOCKED80、新 VLM、selector 和 Innovation Two 继续冻结。通过只代表 Innovation One MVP，之后仍需 PCGrad 与 geometry-only matched-coverage baselines。

2026-08-27 — Innovation One confirmation 失败与重构停止判定

  • 独立确认失败： K100/K1000 矩阵与 45/45 gradient artifact 全部完成，0 runtime failure；固定 gradient rule 接受 5/45，coverage 0.111，harm rate 0.20，1 个 accepted safety violation，helpful retention 2/13。除 harm improvement 与 compute 外，其余核心 Gate 均失败；没有调 cosine threshold，也没有运行 conditional PCGrad/baseline expansion。
  • Factorized selector 失败： 双头 response V1 的 1369 组阈值没有可行解。随后对 response、gradient、off-target clearance 和组合四个预定义 feature families 做 leave-one-sequence-out 审计，harm OOF AUC 为 0.409--0.482，四组仍无可行策略； 扩大特征不能解释为创新。
  • V2 失败确认： same-step hhcgen/base-objective counterfactual filter 只保护 BR1-11-0，BR1-10-2 与 BR1-11-2 仍违反冻结 safety vector，拒绝。
  • V3 targeted： candidate-conditioned 30 mm off-target envelope 按冻结配置运行 3/3 known failures，0 optimizer failure，总耗时 820.91 s。BR1-10-2 安全且保留 13.126 mm local gain；BR1-11-0 安全且保留 0.037 mm gain；BR1-11-2 仍有 penetration-max violation，故总 Gate 为 reject_v3_stop_method_expansion。
  • 失败定位： BR1-11-2 最大 86.502 mm penetration 位于 B 的 R75 {3,17,72} 对 A 的 R75 {61}，均不是候选 A49→B8 目标 patch。根因是每区域 10 顶点的稀疏 envelope 漏掉 off-target collision witness，而不是目标接触豁免。
  • 停止纪律： 不把 samples-per-region 从 10 调到 40，不改 margin/容差，不运行 V4，不触碰 former confirmation 或 LOCKED80。Innovation One 当前标记为未完成； 下一轮若继续，必须先对覆盖完整、MaxIntersection-compatible collision certificate 做新的 novelty audit 和独立预注册。Innovation Two 仍未启动。

2026-08-27 — R4 效率否决与 CIU-Bench Innovation One 重构完成

  • R4 smoke： TwinGuard full-mesh bidirectional penetration certificate 在 BR1-11-2 的 2+2 smoke 上通过，保存 2-stage trace；unit suite 同步覆盖 one-sided penetration、certificate 与 evaluator congruence。
  • 冻结效率停止： 第一条正式 targeted candidate BR1-10-2 的 R4 runtime 341.535 s，对应完整 O0+O1 paired baseline 192.746 s，fraction 1.77195 > 1.25。 立即停止剩余 targeted matrix，未调频率、阈值或 candidate-specific 规则。
  • 工程审计： exact AABB pruning 在两份 saved states 上与 full winding mask 完全 一致，但 speedup 0.6296/0.9302，不能挽救效率；R4 正式拒绝。
  • 问题重构： 使用 DEBUG20 natural35、BR1 balanced36、历史 independent confirmation45 构建 CIU-BENCH-PILOT-V1，共 116 candidates、40 events、32 个 sequence-disjoint sequences。train15 仅保留为已拒绝 gradient rule 的历史确认， 不得作为未来方法的新 test。
  • QC： candidate IDs 唯一；三 cohort sequence overlap 为 0；116/116 primary continuous gains finite；116/116 有完整七维 safety；2 条无 GT-contact 的记录使用 explicit missingness；严格 JSON 禁止 NaN。构建测试 3/3 通过。
  • 主要数字： Always-use harmful/safety 47.4%/44.8%；semantic GT filter 仍为 30.0%/26.7%，只保留 32.5% helpful。balanced81 的 K100→K1000 local-gain Spearman 0.907 [0.801,0.970]，但 K100 observable policy 的 full-safety violation 仍为 9/38=23.7%。Outcome oracle 在 34.5% coverage 下 harm/safety 为 0 并保留 全部 helpful，证明问题有非平凡上限但当前方法未达到。
  • 创新状态： 原 gradient/TwinGuard 正向方法主张均拒绝；Innovation One 以 Contact Intervention Utility 问题定义、paired vector protocol、pilot corpus 与 failure-driven findings 完成 Minimum Viable Research。Full Conference Version 仍缺跨数据集/initializer/optimizer、published adapters、新 untouched method test 和 data card。
  • 冻结纪律： LOCKED80、新 VLM、高容量 selector 与 Innovation Two 仍未启动。

2026-08-27 — Gate-CIU-F0 scope audit 与 construction smoke 完成

  • Exposure 审计： 完整 Hi4D 为 100 sequences / 20 subject pairs。32 sequences 已有 paired outcome，52 已有 image/initializer exposure；48 在审计时仍完全未暴露， 但历史完全未见 subject pair 为 0。新的 Hi4D subject-pair-disjoint TEST 因而按 fail-closed protocol 被阻止。
  • Smoke 冻结： 从完全未暴露 train pool 冻结 20 个 contact-positive midpoint events，覆盖 12 pairs / 12 interactions，与全部历史 manifests sequence overlap=0； 科学角色永久为 construction-only。
  • Initializer： PromptHMR off/on 20/20 双人；Multi-HMR 896L 推理 20/20，但 双人 coverage 16/20，四个 close-interaction case 仅输出一人。
  • Qwen proposer： 冻结 revision 与 V3 prompt 下完成 20×5=100 次采样，JSON valid 100/100。20 个 natural proposals 全部映射到 R75；事后 GT-positive 5/20， alias 1，selection 未读取 outcome。
  • Candidate bank： GT-positive、nearest hard-negative、distance-matched negative、 natural VLM proposal 各 20，共 80。
  • K20 pipeline： 20 event-level O0 + 80 O1 共 100 cells，0 failure，923.817 s； evaluator 对 80/80 输出完整七维 safety。K20 诊断为 18 helpful / 34 neutral / 28 harmful，但明确禁止当 full outcome 或性能结论。
  • Gate 判定： closure 16/16 checks 通过，决定为 pass_construction_smoke_proceed_to_corpus_design。
  • 下一步： 启动 Gate-CIU-F1，冻结 known-subject in-domain split 与外部 unseen-subject OOD 需求；此前继续封存 LOCKED80，不跑 full K1000、不训练 selector， Innovation Two 仍未启动。

2026-08-27 — Gate-CIU-F1 论文级协议冻结完成

  • Exposure ledger： Hi4D 100/100 sequences 已逐条登记 outcome、image/initializer 和 construction-smoke exposure，所有 sequence 恰好分配一次、split overlap=0。
  • 主划分： DEV 32 sequences / 32 events / 128 planned candidates；VAL-ID 14/14/56；F1 时完全未暴露的 TEST-ID 28/84/336。Smoke20 永久排除。
  • Action-OOD： 从 outcome-unexposed 但 image-exposed pool 保留 6 sequences / 4 DEV 未见 interactions（cheers、handshake、piggy、sidehug），形成 24-candidate diagnostic；因只有 6 clusters，不能代替外部 unseen-subject test。
  • 规模： evaluation 总计 80 sequences、136 events、544 planned interventions； 每 event 冻结四个 strata。20 个 events 已预先指定为 Multi-HMR cross-initializer subset；cross-optimizer adapter 仍 blocked。
  • 图像完整性： 第一次执行因仅 35/100 sequence folders 已解压而 fail closed。 随后从官方 32 GB images.zip 直接读取 canonical members；136 张中 1 张已解压、 135 张 archive-only，全部冻结 bytes/dimensions/SHA-256，未改变任何 split。
  • Power： TEST-ID 在 coverage 25% 时预计 84 accepted。乘 1.5 design effect 后， 对 HarmRate 26.3%→5% 的强改善所需 68，近似通过；对 26.3%→15% 所需 302， 不通过。最终必须 sequence-cluster bootstrap，不能把中等差异的阴性结果写成无效。
  • Gate： 17/17 checks 通过，决定为 pass_f1_authorize_dev_candidate_freeze_only。LOCKED80 恰好分解为 VAL-ID14 与 ACTION-OOD6，原 manifest 未修改且继续 sealed。
  • 下一步： Gate-CIU-F2-DEV 只冻结 32 DEV events 的 128 条候选边和 feature schema，随后 bounded DEV preflight。VAL/TEST candidate construction、full K1000、 selector、LOCKED80 新推理和 Innovation Two 均未授权。

2026-08-27 — Gate-CIU-F2-DEV 候选/特征冻结与 bounded preflight 完成

  • DEV materialization： 32/32 canonical images 与 annotation boxes 完整；27 行来自 Hi4D train annotation、5 行来自 test annotation，但科学角色全部为 CIU-DEV。 初版错误单 annotation 索引在 basketball28/000072 fail closed，未产生冻结输出； 修复后按 manifest dataset_split 读取并分别记录 annotation SHA。
  • PromptHMR： GT-box interaction-off/on 32/32 成功，0 failure。
  • Qwen： frozen Qwen3-VL 32×5=160 samples，JSON 160/160 valid。28 个 events 产生 natural proposal；4 个 events 五次均为空集合，作为显式 abstention 保留， 没有用几何边补齐。
  • Candidate bank： 32 GT-positive + 32 nearest hard-negative + 32 matched-negative
    • 28 natural proposals = 124 executable edges；另有 4 abstention decision slots， 总 decision slots 仍为 128。协议修订发生在 optimizer outcome 前。
  • Feature freeze： 124/124 records，10 个 candidate-time features，0 forbidden fields、0 outcome fields、0 VAL/TEST statistics；完整三阶段 schema 已冻结。
  • K100 preflight： argue10 与 hug14 共 2 O0 + 8 O1 = 10 cells，0 failure， 238.656 s，七维 safety 完整；工程诊断为 2 helpful / 5 neutral / 1 harmful。
  • Gate： closure 15/15 checks 通过，决定为 pass_f2_dev_authorize_dev_full_outcome_construction。下一步只允许 32 O0 + 124 O1 的 DEV K1000 corpus；selector、VAL/TEST、LOCKED80 和 Innovation Two 继续冻结。

2026-08-28 — F3 full outcomes 与核心 selector 实验完成

  • F3 corpus： 32 CIU-DEV events、124 executable candidates、32 O0 + 124 O1 共 156 个 K1000 cells 全部完成，0 failure；124/124 paired outcomes 和七维 safety 完整。标签为 43 helpful / 30 neutral / 51 harmful。
  • Qwen 现象： 28 条 natural Qwen proposals 中 20 harmful、3 helpful、5 neutral； 无选择地使用时 HarmRate=71.4%，说明语义候选不能直接充当优化约束。
  • 核心 selector： 在全部124条 outcome上训练轻量 harmful-risk logistic head，按 event 做5-fold grouped OOF；只在28条 frozen Qwen proposal上评估部署策略。25% coverage 接受7条，其中1 harmful / 2 helpful / 4 neutral，HarmRate=14.3%，保留 2/3 helpful，ordinal net utility 从 -0.607 转为 +0.036。
  • 不支持的机制： Geometry与VLM early concatenation 在全部候选的25%/50% coverage下均比 Geometry-only 更差，不能写成正向创新；当前支持的是“VLM proposer
    • geometry outcome-risk filter”。
  • 统计边界： sequence-cluster bootstrap 相对 matched random 的 HarmRate 差异均值 -0.467，95% CI[-0.857,0]，lower probability=0.969；DEV信号有希望但样本仅28、 accepted仅7，不能当 held-out performance。
  • 工程： 生成完整 JSON、OOF prediction CSV、主表、proposal filter 表、PNG/PDF Coverage–Safety 曲线；全项目测试 200/200 通过。
  • 下一步： 冻结 geometry-risk 模型、特征和25% operating point，构造小规模 untouched sequence-disjoint held-out confirmation。Innovation Two K100 Probe 尚未启动。

2026-08-28 — CIU-VAL 小规模冻结确认完成：安全信号迁移，但严格 Gate 失败

  • 范围与隔离： 使用 F1 预先冻结的 CIU-VAL-ID 14 个 sequence；没有访问 TEST-ID、ACTION-OOD，也没有启动 K100/Innovation Two。VAL 只运行一次 outcomes。
  • 输入冻结： PromptHMR 14/14 成功；Qwen3-VL 14×5=70 samples，JSON 70/70 valid。得到 11 条可执行 natural proposals 与 3 次显式 abstention。
  • 预 outcome selector： 仅使用 124 条 DEV outcomes 训练 geometry harmful-risk logistic head，输入固定为 initial distance、box IoU、person scale ratio。VAL outcome 前冻结 11 个 risk scores 和按 floor(11×0.25)=2 得到的接受列表；0 forbidden fields。
  • 完整优化： 11 event-level O0 + 11 O1 共 22 个 K1000 cells，0 failure；累计 cell runtime 2246.8 s。前 8 个顺序执行，剩余 14 个仅改变 wall-clock 调度、以 3 workers 并行；optimizer、seed、loss、iterations 和冻结 plan 均未改变。
  • 真实分布： 11 proposals 为 4 helpful / 1 neutral / 6 harmful。Always-use HarmRate=54.5%、safety violation=54.5%、ordinal net utility=-0.182。
  • 冻结 operating point： 接受 2 条（1 helpful / 1 neutral / 0 harmful）， HarmRate=0、safety violation=0、helpful precision=50%、net utility=+0.091；但只保留 1/4 helpful，helpful retention=25%，低于冻结的40%门槛。因此严格决定必须保留为 fail_small_heldout_confirmation，不能宣称成功 selector。
  • 统计与归因： 相对 matched random 的 HarmRate bootstrap 差异均值 -0.477， 95% CI[-1,0]，lower probability=0.730，样本太小。只读 post-hoc 显示 harmful-risk AUC=0.933；排名前3为 neutral/helpful/helpful，HarmRate仍为0、retention=50%。这说明 ranking 有迁移信号，但 11 proposals 下 floor-25% 的离散化和 coverage–retention 权衡使冻结门槛失败；该诊断不能覆盖原 Gate。
  • 当前判断： Innovation One 的“VLM proposer + outcome-risk filter”保留为有前景但 尚未验证成功的方法；CIU evaluation 与“直接使用VLM接触有害”的问题证据更稳。 在任何 TEST 运行前，需要重新冻结一个最小可部署策略（例如明确的最小接受数或 risk threshold），但不能回头把本次 VAL 改写为通过。