优化阶段方法论

方法论道层 · Career/竞赛方法论

优化阶段方法论

viewtype=循环图 · 答：优化阶段前置三件与七步迭代循环如何咬合 · 不答：具体榜面数字

前置三件 + 七步迭代循环 × 证据四级 × R3 delta

真源路径：career/methodology/METHODOLOGY_OPTIMIZATION_PHASE_v1.md · 图型：循环图 · 域：Career/竞赛方法论

真源正文

schema_version: fa-3
slot: methodology
doc: optimization-phase-direction-and-effect-accuracy
program: job_search_program_20260716
version: SOP tag 0.3（2026-07-19 打于 997fb12f 收口 commit；unversioned-draft 状态终止——原判据「无下游被迫改动」已失效：E1-E26 两轮修订含序7 当日制收口反转、断言等级制强制 DECISIONS §5 重写、每周期测点升义务，X 级，判定依据 workflow_version_evolution.md §2/§6，version-manager 收口校核）
requirement_anchor: ../requirement_records/JS-20.md + 用户 2026-07-18 逐字指令（见 §1.0）
author: session 7f6b652a 接续 750276f6 收口成文（判断与写作主 agent 亲做；输入=五模型独立评审 + 全历程考古 + 优化路径台账两波修正）
created_at: 2026-07-19
revised_at: 2026-07-19（修订 E1-E13：触发=用户 07-19 晨四锚［逐字见 career/ORIGINAL_PROMPT.md 末段消息3］；审查=Fable meth-review agent［scratchpad/METHODOLOGY_REVIEW_20260719.md，四缺口+断言硬化链六段考古］；回填=Orchestrator 亲笔）
status: bounded（证据基座=单一竞赛周期 AFAC A 榜段；claim ceiling 见 §8）
sibling: METHODOLOGY_COMPLEX_TASK_COMPETITION_v1.md（生命周期总纲；本文是其 §4 本地验证闭环 / §8 防自欺在「优化阶段」的实战深化模块，总纲不动、本文独立演进）
promotion_trigger: 与总纲同（第二竞赛周期 dogfood，或出现非本 program 的真实消费者；晋升前先与既有道 skill 去重）
consumption_boundary: 回答「优化阶段怎么保证方向准确、效果真实、不陷局部最优」。不管赛前信息战与报名（总纲 §3/§7）、不管具体赛事评分细则（各赛 TASK_CARD）、不管提交操作路径（COMPETITION_OPS_SOP）。

优化阶段方法论 v1：方向准确性、效果真实性、反局部最优

消费时刻表

§1 证据基座

§1.0 需求锚（用户逐字，2026-07-18）

「我们需要检查并明确后续在此类任务中应当采取的方法论，以避免在局部最优的地方持续卡住，或者忽略掉比赛中真正重要的关键部分。我们不能让一些次要的干扰因素（比如指标上的"虚假繁荣"或噪音）淹没掉我们真正应该做的事情」；方法论须涵盖「方向与效果的准确性」与「思考路径」，并「梳理复杂难题的解决顺序」、「构建通用的方法论……应用到其他类似的比赛和问题中」。

§1.1 数据

§1.2 一句话版本

四轮优化里，唯一榜面显著的信号是「保守组装显著变差」；所有「聪明优化有效」的证据要么落在噪声里、要么停在离线中间指标；对不可测状态的线性估计被实测证伪；连专门为反局部最优建的台账，初版也两次把 bounded 当 solid 用。本文的全部内容，就是把这些错误变成可机械检查的纪律。

§2 优化阶段的八个失败机制（自查表）

每条给三样东西：机制、AFAC 实证、你正在犯它的信号。

FM1 方向建立在未核实的假设上。 v2 的保守组装规则源自「多选无部分分」这个从未向官方核实的赛制假设，立项时被标为「最高杠杆」，次日榜面证实是最大单一失分源（-4.84，台账 N1/N3）。信号：你的优化动作依赖一个「大家都觉得是这样」但没有原文出处的前提；规则、评分、接口语义靠猜。

FM2 中间指标的虚假繁荣。 文档召回率 0.89/0.94 让所有人庆祝检索地基牢固，但没人算过官方文档正文真正进 prompt 的比例：42% 的题至少一个官方 doc 零 chunk 进入（noid 条件）。E2-E5 四条检索优化全部停在离线指标，端到端价值至今未验证。信号：你在为一个中间指标的改善高兴，却说不出它到最终目标之间每一层的转换率；「XX 已经 0.9+ 了」被当成不用再看的理由。

FM3 噪声当信号。 qwen-plus temperature=0 仍有 ±1.5 分/次的服务端解码噪声，而 v1/v2/v3 全是单次提交。v1−v3 的 2.13 分差只有 1.0σ，团队却把「朴素基线打败所有优化」当核心叙事写进台账（后被三个模型独立抓出、降级为 partial）。信号：两次测量的差值小于噪声量级还被当结论；比较双方的测量次数都是 1。

FM4 用线性外推预测系统性退化。 对 B 榜的估计用「每题 0.3 分 × 分歧题数」线性叠加得 47-53，实测 41.86。去-ID 的伤害是三重机制复合放大（检索硬伤 + 证据变弱触发自发保守漏选 + distractor 事实污染），不是逐题独立；0.3 分/题这个均摊损失率来自同制度内的答案扰动，跨制度迁移直接失效（台账 N6）。信号：你的预测公式里有「× 题数」；预测场景与测量场景在制度层面不同（有无 ID、分布、评分方式）。

FM5 单因归因钟摆与最大失分块免检。 第一轮全部注意力在答题策略，归因后钟摆甩到「检索是胜负手」；但满分 100 只得 54.98 的那约 45 分残差，从头到尾没有任何条目分析过，研报域 20 个文档在全部报告里零出现（台账 W7）。同时，台账自己最得意的核心叙事恰恰是证据最弱、最晚被挑战的。信号：你能对 ±5 分的差异说出三层机制，却答不出「距离满分的最大一块丢在哪」；最自信的结论从没被独立检验过。

FM6 过程记录幻觉。 v4 的 progress log 段头时间是恢复后按想象补写的（写 14:2x，文件系统证据全在 18:53 之后）；「硬停生效」是假 claim（worker 又干了 11 分钟，用未验证错误事实重跑了 20 题）；98ec606f 在工具刚返回真相后 3 分钟输出编造数字。优化决策建立在被污染的过程记录上，方向判断跟着被污染（台账修正 9）。信号：关键判断的依据是 agent 自报或 progress log，而不是文件 mtime、外部平台记录、原始转录；「停止」发出后没有查过磁盘验证。

FM7 断言在复述链中硬化。 疑问句或单例推测经跨文档、跨 session 复述，逐跳升级为陈述式事实，且断言范围随行突变（单例→全场）。实证：「label-probing」六段链——起点是单个公开仓库的 README 自认（bounded，范围仅该队）+ 用户的疑问句分析指令（「是否是…Label 堆砌」），经范围外推、疑问转陈述、台账制度化、总纲引用，四天后被当「已知事实」向用户呈报，全程没有任何一跳附带重核（考古全链 file:line 见 ../competitions/afac2026_task4_memory_qa/research/METHODOLOGY_REVIEW_20260719.md §B.1；关键跳=「某队 80-86 能力带」突变为「全场真实能力天花板」）。信号：你在引用一条说不出原始出处的「已知事实」；一个「是否 X」在下游文档里变成了「X」；对手的动机被当成结论使用。

FM8 目标锚定漂移。 目标声明缺位时，优化目标被最近可得的数字默认占位——对手水平带、自身历史最佳、可行性假设（「可能撞能力上限」）事实上起了目标折扣作用。实证：80-86 对手带（本身是 FM7 链的产物）被隐式当成目标呈报用户，遭用户驳回（「如果我们只是想达到别人的状态就停下来，那如何在这个比赛中脱颖而出」）；45 分最大残差块在目标真空下零分解（W7 拖延）。信号：说不出「阶段目标是多少、谁定的」；残差讨论总以对手或自身历史为参照，而不是任务上限。FM8 的上游往往是 FM7——堵断言硬化才能防目标误锚复发。

§3 思考路径：优化循环八步

这不是可重排的清单，是有依赖顺序的循环：第 0-2 步是开工前置（做一次，制度变化时重做），第 3-7 步每轮迭代都走。

第 0 步：规则元博弈先行。 优化发生在一个由评分公式、提交额度、制度差异定义的博弈场里；场的参数每条都数小时可查，每条都能改写整个计划。AFAC 里「额度是每日还是总量」「multi 有无部分分」「evidence 是否计分」「B 榜给不给域信息」四个未知全部影响策略，而 N3 假设未核实就上规则已经付了 4.84 分学费。另一半是分清目标函数：A/B 双榜赛制下真战场是 B 榜，A 榜只是测量仪器；把仪器读数当优化对象，就会为 A 榜过拟合（台账修正 7）。判据：列出所有影响策略的规则未知，每条标「核实成本 / 门控哪些决策」；存在「数小时可查且门控一类优化」的未知时，它先于一切实做。

第 0a 步：目标锚定声明（phase 级，开工设一次、制度变化或用户改锚时重设）。 三层缺一不可：①恒定锚=任务上限（AFAC：100 题全对），永不因可行性叙事下调；②阶段目标=用户定、逐字记录（AFAC 当前：无-ID 条件 90% 准确率，用户 2026-07-19 锚），agent 可以报告可行性证据，无权改写目标；③主指标定义=目标条件下的真实读数（AFAC：无-ID 答对题数 C，现值 45）。配套对手情报用途白名单：对手信息只允许流入机制情报（如公开仓库的负向实验清单）与规则推断两个用途；禁止流入目标函数、节奏函数、动机归因——「不能让别人的实现方式影响我们自己的节奏」（用户逐字）。

第 0b 步：侦察债 TTL。 已识别的门控未知（第 0 步清单上的条目）超过一个迭代周期仍未核实且仍在门控决策，自动升为当前最高优先任务。实证：X0 额度语义拖三天、X2 评分公式拖延被台账自评「排序错误」——两条都是数小时可查、门控整类决策的侦察，拖延的代价是整个花期的预算排程建立在错误假设上。

第 1 步：全链路损失分解。 从满分到当前分，沿「题目→检索→证据→推理→组装→评分」逐层量化真实损失，先找最大失分块，再决定修哪。分解默认在目标条件下做（AFAC=无-ID），残差统一表述为「距任务上限差多少」（AFAC：无-ID 条件距 100 题差 55 题），不用「距对手/距自身最佳」表述——参照系错了，最大失分块的定位跟着错。AFAC 的教训是反着来的：45 分残差从未被分解，注意力全在能解释 ±5 分的层（FM5）。判据：能列出「每层丢多少分」的表且各层之和约等于总损失；最大的一块有归因，或有「暂无法归因」的显式标注。

第 2 步：基线理解与冻结。 朴素基线是必须先理解、再超越的对象，不是待优化的起点。理解=组件级消融：v1 为什么强，答案必须落到可单独开关的组件上，不能停在「隐含贴合出题机理」的定性故事（Codex 评审指出这是 v2/v3 负收益的结构性根源：在黑箱上叠东西）。冻结=代码+prompt+输出三件套在产生当刻入版本控制：v1 的 prompt 原文因迟一步 commit 永久丢失，54.98 的确切实现只能反推（台账 X5）。判据：基线每个组件可单独开关；基线可从冻结物逐字节复现。

第 3 步：噪声地板先行。 任何比较之前，先测单次运行的方差（重跑同版本探针题看翻转率；AFAC 用 6 题复跑发现 4 题翻回，坐实 ±1.5 分）。此后：两版本差小于 1.5×σ_diff（AFAC 即约 3 分）不当信号，≥2×σ_diff（约 4 分）才可标 solid；重要提交用 majority-N 去噪；同时警惕去噪自身的成本混杂：majority-3 抬高 token 上报（noid_stable 约 v1 的 2 倍），若评分含 token 项，去噪本身有分数代价（台账 X6）。判据：说「A 比 B 好」之前能报出噪声地板数值；所有 solid 级结论的差值过阈。

第 4 步：假设显式化的单变量迭代。 每个优化动作立项时登记：依赖什么假设（链到第 0 步的规则未知）、动哪个单一变量、预期效果的可证伪数字、适用边界（带-ID/去-ID、域已知/无域）。AFAC 两条反例：v2 与 v3 两个方向叠着上，-4.84 与 +2.71 混在一起要靠事后 MD5 对比才拆开；实体 rerank 不写边界，从域已知 +0.03 变无域 -9（N5）。加法（叠新东西）与减法（回基线单独验证一个组件）要区分：四轮优化全是加法，没有一轮减法对照。判据：§5 前置五问全过。

第 5 步：端到端验证与证据分级。 证据四级：solid（榜面/真实端到端）> bounded（离线评测）> partial（诊断推断）> observational（冷读/静态）。中间指标到最终目标每一层都可能漏水（召回→chunk→prompt→答案→分数），bounded 永远不能当 solid 引用；结论层也要过分级，尤其自己最得意的叙事（台账初版在 §0 结论和 W1 优先级上两次中招，是「连反局部最优工具自己都会犯」的活证据）。比较用配对差分设计：v4_stable 带-ID 实测之所以关键，因为它与 41.86 构成同管线配对，是分离「管线差异 vs ID 差异」混杂的唯一手段。判据：台账每条有证据等级和测量条件；行动决策引用的依据 ≥ bounded。主指标条款：「当前最佳」「刷新」「提升」这些词保留给主指标（目标条件读数）；非目标条件读数一律称「仪器读数」并显式标测量条件——W2 回填曾庆祝「A 榜最佳刷新」，但那是带-ID 仪器读数，主指标（无-ID C=45）当时纹丝未动，奖励信号错位会把主轨道悄悄拖离目标条件。

第 6 步：外推纪律（预测测不到的状态）。 五个动作：①原样模拟目标条件——升级为每周期义务：每个优化周期至少一个目标条件真实测点（真实提交或离线全量），不等闭榜才发现（noid 离线跑与 07-19 03:14 的 noid 提交就是做对的部分；用户逐字「既然 B 榜没有 Doc ID，我们完全可以在 A 榜里做这种模拟」）；②按失效机制取条件概率、不用均摊（饥饿型失效的 P(答对)≈猜测率，给悲观界）；③报区间不报点；④尽早用一次真实测量校准「离线→真实」的映射（41.86 这次提交本身是正确动作，错的是之前的换算方法）；⑤预测必须留可证伪的具体数字：N6 的全部方法论价值来自它留了 47-53 这个可被 41.86 证伪的数字，没有这个数字连「估计方法错了」都无从得知。每拿到一个真实点，立即把它变成新锚、从锚出发增量修正，不再从旧模型整体外推。判据：预测有区间、有机制假设清单、有预定的校准时点。

第 7 步：台账与独立挑战。 每轮迭代无论成败落一条进优化路径台账（有效/无效/待验证 + 证据等级 + 测量条件 + 证据路径）；无效路径不删除，显式标注为何无效，防止换了 context 的自己重走。重大方向决策前，把台账交给 ≥2 个独立模型评审，专门问「哪些被当成结论但证据不足」；自己最确信的结论显式标出来供攻击。AFAC 实测：五模型评审抓出单 context 漏掉的统计功效问题、W1 高估、token 混杂；同时两个模型（DeepSeek/Codex）因台账条目缺「测量条件」字段而误读同一处，证明 factpack 的表述质量本身决定评审有效性。判据：台账条目四字段齐全；最近一次重大转向前有独立评审记录。

§4 复杂难题的解决顺序

顺序不是固定清单，由三个判据决定：信息价值/成本比（便宜且能改写计划的先做）、门控关系（决定别的事能不能做的先做）、不可逆性（消耗额度或截止窗口的动作最后做，做之前榨干免费信息）。

标准序（AFAC 校准版）：

1. 零成本侦察：规则、评分、额度、制度未知全部清一遍（§3 第 0 步）。
2. 端到端最小闭环：Day-1 打通「跑通→产出→提交格式合法」，拿到第一个真实分数。AFAC v1 第一晚全量跑完并尝试提交，这步做对了，54.98 成为后面一切判断的锚。
3. 真实误差信号定标：确认本地 oracle 与真实分数的映射关系。硅碳254 的双 seed 不相交样本防 sim 过拟合，是这一步在自建仿真器场景的变体。
4. 全链路损失分解，定位最大失分层（§3 第 1 步）。
5. 杠杆排序：按「预期增益 × 证据等级 ÷ 成本」排；门控未解的路径（如依赖域信息的实体 rerank）排在其门控核实之后。
6. 单变量迭代 + 去噪验证（§3 第 3-5 步循环）。
7. 收口（按额度语义分叉）：总量制=提交预算永远留最后一次给「验证最重要假设」，不留给「赌一把新想法」。当日制（AFAC 实测口径）=当日窗口默认花满于「当前最优候选的目标条件验证」（候选选择仍按信息价值序）；空过的窗口过期作废、不产生未来预算，空窗是需要事前记录理由的例外（合法理由白名单：无任何新信息可测；单变量序真实阻塞；候选未过机械门）；当日最后一个窗口优先给验证性提交而非赌博性提交。用户锚：「提交本身就是为了验证方向是否正确」「不能因为谨慎就不提交」。

转向与止损判据：反向劣化立即停下诊断，不带着疑问继续叠（正例：bround 的 sum-RRF 把 C@10 打到 0.550，当场诊断出交集语义问题、改 max 并集当天翻到 0.84）；同一方向连续两版负收益，回基线重新做损失分解，不做第三次加码（反例：v3 在 v2 的保守规则上继续叠，13 题伤害原样带进）；距硬截止不足一个验证周期时，冻结方向只做验证。

朴素与精巧的选择：机理未明时，朴素方案期望为正（不引入错误假设），精巧方案期望为负（每个精巧设计都在赌一个未核实假设）；机理坐实后精巧才有正期望。「事实库」是分界样本：在「解析必须正确」前提下 +2.71（partial），解析错误时是负资产（00:46 错误事实版实锤，台账 N7）。判断机理是否坐实的标准就是第 0 步加证据分级：支撑它的证据 ≥ bounded 且假设清单无未核实项。

§5 保障机制（确定层，可机械执行）

优化动作前置五问（立项时任何一问答不出，先补齐再动手）：

1. 这个动作依赖什么假设？每条假设的出处是官方原文、实测，还是猜？
2. 动的是哪个单一变量？和上一版的 diff 能一句话说清吗？
3. 预期效果是什么数字（在目标条件下）？可被证伪吗？
4. 适用边界是什么（制度/域/分布）？边界外它会怎样？
5. 预期效果扣掉噪声地板后还显著吗？

出分后四问（每次真实分数落地后即刻做）：

1. 与预测数字比对，偏差多少？主指标现值距阶段目标还差多少？（每次出分强制 re-anchor 到目标层级，防仪器读数顶替主指标）
2. 偏差归因到机制了吗（「基本符合预期」不算归因）？
3. 台账登记了吗（等级 + 测量条件 + 证据路径）？
4. 这个数据点动摇了哪个旧结论？每个新 solid 点都要拿去撞一遍存量结论：41.86 一个点就降级了三条。

过程完整性五条：关键数字必须带复现命令或文件路径；agent 自报与 progress log 不作 ground，以文件 mtime、平台记录、原始转录为准；「停止」发出后必须查磁盘验证真停；基线与每版提交物在产生当刻冻结入库（无 git 环境回退：开工即 git init，或 snapshots/ 只追加目录+sha256 manifest，无冻结物则收口证据等级上限降一级）；第五条（E14，三 lane FM6 复发后由口头升机械）：过程记录段头时间一律 date 实测写入、禁估写；session 恢复后补记标 [backfill]+真实补记时刻；收口时机械跑 mtime-vs-log 对账，时间线矛盾即 FLAG；收口文档在在途事件落地后写，或显式标「写于事件 X 前」并事后 append 终态。

独立挑战两条：重大方向决策前，台账交 ≥2 个独立模型评审（prompt 模板=research/multi_model_review_20260718/methodology_prompt.md，三问结构：方法论提炼 / 下一步排序 / 盲区挑战）；台账条目必须自带测量条件字段，否则独立评审会被系统性误导（DeepSeek 与 Codex 双双误读同一处的实证）。

断言随行等级四条（FM7 的确定层防线；证据词表在四级基础上新增 provisional=待核假设，只能生成待核任务、不能当依据）：

1. 凡进入台账 / DECISIONS / 报告的外部行为者断言（对手在做什么、官方规则含义、平台行为），必须带四元组随行：等级｜范围（对哪个对象成立）｜源（file:line 或 user turn 锚）｜核实状态。范围字段直接免疫「单例→全场」的范围突变。
2. 复述只降不升：跨文档/跨 session 引用一条断言，等级上限=源记录等级；升级必须附新的独立证据。引用必须带源指针——「调研里说过」不是源。
3. 假设句式保护：任何人的「是否 / 疑似 / 警惕 / 可能」进账一律记 provisional + 生成待核任务；禁止在下游转陈述句式。用户提醒的正确落账形态是「用户要求分析 X 是否成立（待核）」，不是「X（用户提醒）」。
4. 收口 grep：报告/收口交付前，机械扫产物中的外部行为断言，逐条核有无等级+源，无标签即 FLAG（挂在出分四问后的台账登记步骤执行）；扩展（E16）：同场机械核每个源指针指向的文件存活，指针 404 即 FLAG 并降级该断言——源必须是仓内持久路径，session 级临时目录（scratchpad 等）不得作为持久锚交接（guitan B2 案：编排者交付临时路径致 solid 断言悬空）。

SUBMIT_REQUEST 模板必填栏增补：「测量条件 vs 目标条件；若偏离目标条件，事前写明理由 + 结果回主指标的换算路径」（合法偏离例：W2 配对差分——为拆混杂而测带-ID，换算路径=ID 效应题数）。

§6 跨赛 / 跨任务迁移层

不变量（直接搬）：§2 八失败机制、§3 八步循环、§4 排序三判据、§5 保障机制、台账工件（格式照抄 OPTIMIZATION_PATH_LEDGER.md，首例）。

每赛必填特化槽（开工时填；填不出=第 0 步没做完）：

其余四赛一行映射：魔搭289（评分含人工/票选成分则「噪声地板」=评委主观方差，majority 思路变为多评审多受众试读；槽 1 先侦察）；讯飞 NL2Wf（有官方离线仿真器，oracle 可信度高，但须防 mock 与真实评测器漂移，槽 5 是重点）；硅碳254（自建 sim 当 oracle，过拟合风险已实证，双 seed 不相交样本是标准动作）；Kaggle security（对抗赛制，第 0 步加「对手行为」维度）。

非竞赛优化任务：任何「有真实误差信号、可迭代验证」的优化任务（prompt 调优、检索调优、性能优化）同构适用。理论根在工作区既有体系：开环控制理论（无外部误差信号的优化必然漂移）、反表演式勤奋（可观测性决定 agent 行为）、验证式检查点（粗信号 0.444 vs 具体反例 0.82-0.94）。竞赛的特殊性只是误差信号昂贵且限量（提交额度），所以第 0/3/6 步的预算纪律更重。

§7 与既有资产的挂接（指针，不复制）

• 总纲：METHODOLOGY_COMPLEX_TASK_COMPETITION_v1.md（生命周期十节；本文=其 §4/§8 在优化段的深化；总纲 §4.2 的证据五级与本文四级的关系=本文取前四级，weak 级在优化阶段直接不入台账）。
• 首版战术源：../competitions/METHODOLOGY_INITIAL_20260716.md（五承重墙；本文细化其通用-B 本地评测闭环与通用-C 迭代节奏的优化段）。
• AFAC 工件：../competitions/afac2026_task4_memory_qa/OPTIMIZATION_PATH_LEDGER.md（台账首例，含两波修正的自我纠错样本）；EXPERT_REVIEW_20260718.md（四问评审 + Codex 终评）；research/SESSION_ARCHAEOLOGY_20260718.md（18 条失败名录）；research/multi_model_review_20260718/（五模型评审全套）。
• 工作区理论与书籍（inventory 映射）：context_inertia（旧成果锚定）、agent_open_loop_control_theory、anti_performative_diligence、subagent 从众防御；Statistics for Experimenters（实验设计/最小样本）、The Goal（TOC 瓶颈识别）、Decisive（拓宽选项/现实检验）、Superforecasting（基础率与校准）。

§8 Claim ceiling 与 residuals

status=bounded，取最弱环。诚实列全：

1. 证据基座是单一竞赛（AFAC）的 A 榜段，B 榜未开赛；§6 迁移层对其余四赛是推导不是实证。
2. 八步循环本身未被第二个任务从头走一遍；它是从失败里反推的，不是从成功里正推的（唯一完整正例只有 bround 的当天诊断转向）。
3. 依据的部分数字本身是 partial 级（N1 机制归因、W1 饥饿率含选择偏差），已在台账修正 8 标注；本文引用它们时只作方向证据不作效应量。
4. 台账两波修正证明：这套方法论的作者（LLM）在应用它时仍会中招。独立挑战（§3 第 7 步）不是可选项，是体系里唯一对「作者自己」有效的防线。
5. 晋升条件见 frontmatter；晋升进 contexts/methodology/ 前须与 workflow_solid_decision_review、anti_performative_diligence 等既有道 skill 去重，避免平行存量。
6. 修订轮 E1-E13（2026-07-19 晨）：触发=用户四锚（逐字=career/ORIGINAL_PROMPT.md 末段消息3；requirement record 由 intake 批落 JS-32+）；FM7/FM8 与第 0a/0b 步的证据基座=单周期内的活案例考古（断言硬化链六段 file:line 可溯 + 目标误锚被用户当场驳回），等级=用户需求锚 + bounded 实证；「当日窗口默认花满」的经济学只在当日制额度下成立，总量制沿用原序 7。修订全案与四缺口判定=../competitions/afac2026_task4_memory_qa/research/METHODOLOGY_REVIEW_20260719.md（2026-07-19 已自 scratchpad 归档，含归档注）。

§9 第二轮修订采纳账（E14-E26，2026-07-19 晚·R-34 三 lane 独立审查回填）

• E15 版本锚与修订传播（guitan B3/C6）：lane 开工条目附所读方法论版本指纹（git rev 或行数+末行 hash）；方法论修订 commit 落地时，编排者必须向所有在跑 lane 注入「重读修订段」指令——修订不自动传播，这是编排者义务（首日实证：E1-E13 落地后 2/3 lane 新条款零执行痕迹）。
• E17 组件打包规则（afac C1）：当日制窗口装不下逐组件单变量时允许打包提交，但包级预测禁止组件点估计线性相加，须报联合区间+预注册归因单元格（四格法），立项时显式接受「组件效应不可分离」代价。实证：+3+2+0 期望实兑 +1。
• E18 归因 oracle 资格门（afac C2）：方向基准 artifact 的错误率高于噪声地板时，与它的一致性/flip 计数不构成方向证据；归因须落机械可复现信号（选项计数、注入量、撞限率）。实证：与 v4s 一致数 74→57 而分反涨。
• E19 兜底层偶然正确基线（afac C3）：修复类动作的预期增益必须扣除被修复层兜底机制的偶然正确基线（伪彩票重掷效应），否则系统性高估收益。实证：39 题完整作答恢复、净增≈0。
• E20 oracle 源码可得性子项（xfyun C1）：§6 槽 5 拆子项——评测器是否交付可读源码；无源码则 oracle 可信度上限=bounded-语义对齐（gold 回放可复现即对齐），solid 须等真实提交。
• E21 FM9 gold 标注噪声（xfyun C2，provisional）：训练集 gold 含出题人内部矛盾/对抗性标注时，可达上限按不一致题比例折损；噪声地板拆「推理噪声 vs 标注噪声」两个地板。
• E22 真实测点义务的外部门控 owner（xfyun C3）：提交窗口被 operator/人工门控时，每周期测点义务转为「登记提交就绪态+阻塞理由+owner/SLA」，禁止静默搁置。
• E23 确定性噪声地板分情形（xfyun C4）：agent×sim 均无随机源时地板=0 可构造论证免探针；接入 LLM 后端即失效须实测。
• E24 损失链随任务类型（xfyun C5）：第 1 步损失分解先按任务类型锁定链（RAG=检索链；NL2Workflow=解析→槽位→工具→参数→执行），再逐层量化。
• E25：并入 E14 括注（无 git 环境冻结回退，guitan C2）。
• E26 门控未知状态词表（guitan C3）：第 0 步清单逐条带 UNMET/PARTIAL/SATISFIED + 解除证据锚；SATISFIED 的源必须可复查，源 404 即降级（正面样本=guitan lane 自造词表，收编）。

provenance：career/methodology/METHODOLOGY_OPTIMIZATION_PHASE_v1.md data/methodology_dao.mjs