PRIMARY_SELECTION.md

# MT11 HIGH_HEAVY_L45 主候选最终冻结登记

**状态：FINAL_FROZEN · PRIMARY_SELECTED · STOP_ALL_NEW_MT11_TRAINING · 2026-08-16**

## 最终决定

- 当前 MT11 主候选：`HIGH_HEAVY_L45`。
- `MEDCONF_MED34_HIGH30_CENTERED_S2` 降级：fresh seeds 46–49 为 29/240，且相对 Fresh Base 的题目级聚合 CI `[-3, 22]` 不排除 0。
- 用户预先规定“两份 34 换全新 seed 仍高分即不再训练”；HIGH 在完整 fresh block 上精确复现 34/240，故停止所有新的 MT11 训练路线。
- 权威 fresh-seed 总报告中的旧机器判决 `DO_NOT_STOP_TRAINING_MIXED_OR_UNSTABLE` 是对 HIGH 与 MEDCONF 的联合判决；本登记不修改该历史卡，而是按用户已明确的最终停止规则作 owner override。

## HIGH 完整证据（不 cherry-pick）

统计覆盖 AIME24+25 全部 60 题、每题四 seed；两组 seed 不做 sample 伪配对。

| block | seeds | n | correct | cap | decoded complete box | natural stop |
|---|---|---:|---:|---:|---:|---:|
| original | 42–45 | 240 | 34（8/9/6/11） | 91（37.917%） | 150（62.500%） | 149（62.083%） |
| fresh | 46–49 | 240 | 34（8/9/9/8） | 84（35.000%） | 151（62.917%） | 156（65.000%） |
| combined | 42–49 | 480 | **68（14.167%）** | **175（36.458%）** | **301（62.708%）** | **305（63.542%）** |

Fresh HIGH 相对 Fresh Base 20/240：`+14`，题目级聚合 95% CI `[2, 27]`，显著高于 Base。Original 与 fresh 均完整纳入 combined block；未筛 seed、题目或样本。

## 冻结身份与合同

- adapter：`/workspace/DDC-v3.1/runs/mt11_r2_384k96_execution_20260814/arms_90r6pp/HIGH_HEAVY_L45/train/checkpoint-update-00000024-tokens-000000409131/adapter`
- adapter SHA256：`628a5b4c40584c524479b80773166f49b5c49d7223b34d4cf254064d6b65bd29`
- base/tokenizer：`/workspace/MATH-NOTHINK-AIME-P1-v1.0/model/mn8_eos_r1_2/Qwen3-4B-Base-906bfd4`
- serving：dynamic LoRA；base 与 adapter 分离；**不 merge、不 bake**。
- 标准合同：Think、EvalScope reviews、AIME24+25、60 题、四 eval seeds、temperature 0.6、top_p 0.95、top_k 20、32K prompt-aware 上限 `32768 - exact_prompt_tokens - 64`；统计以题目为 cluster。

## 路线冻结

- 停止所有新的 MT11 训练路线；不得自动续训、扩臂、warm-start、组合 LoRA 或追加 training seed。
- 短 CoT family gate 已 **FAIL**。
- MED34 score-uplift R1 family gate 已 **FAIL**。
- 不修改历史结果卡，不物化 merged/baked 模型，本次不启动训练或评测。
- 已批准的 MN9 跨协议任务仅为纯评测，不得停止或干扰；其结果不得自动触发训练、扩臂或 LoRA 组合，任何后续须另行审批。

## Supervisor 只读检查

检查时无 MT11 训练 Supervisor 处于 `RUNNING`。正在运行的是已批准的 `ddc-mt11-mn9-crossprotocol-*` controller / eval / disk-guard 纯评测服务，未作停止或干扰。

## 权威来源

- `/workspace/DDC-v3.1/runs/mt11_two34_freshseed_reval_20260815/MT11_TWO34_FRESHSEED_REVAL_FINAL.md`
- `/workspace/DDC-v3.1/runs/mt11_two34_freshseed_reval_20260815/MT11_TWO34_FRESHSEED_REVAL_FINAL.json`
- `/workspace/DDC-v3.1/runs/mt11_r2_384k96_execution_20260814/RESULT_CARD_HIGH_HEAVY_L45.json`