- 每种方案观测的状态数
- 23 / 64
- BGE 与 E5 的测试世界
- 2,048
- Qwen 预选测试世界
- 512
看三次编辑是否碰到同一座城市
设想把居住地里的都柏林与阿克拉互换,把工作地里的都柏林与首尔互换,再把求学地里的都柏林与雅典互换。每两次编辑都有交集,三次都涉及都柏林。现在把最后一次改为交换阿克拉与首尔,两两交集仍然存在,三个交点却分别指向不同城市。只标记两次编辑是否相交,得到的都是三角形。

图 1 展示两组编辑,具有相同的两两重叠图,但共享值结构不同。
让两种方案使用相同的观测预算
四人名录上的六个二元编辑产生 64 个状态。Star23 和 Cycle23 各编码 23 个状态,均用同一二次重建规则推算其他状态。实验改变联合观测的选择,同时固定观测数、目标状态和解码器。两种文本形式分别以原子句和压缩语句表述同一组事实。
主测试在 2,048 个合成世界上使用 BGE-small 和 E5-small。归一化均方误差衡量向量空间中的近似质量。R22 检查重建向量能否在 22 个候选状态中找回正确状态。平衡查询排序另行衡量能否检索到所需事实,它的变化方向可以与几何指标不同。
重建误差与完整状态检索
四个编码器与文本形式组合中,Star23 的重建误差均较低。原子文本上,BGE 和 E5 的相对误差分别下降 53.4% 和 36.0%。压缩文本上,完整状态检索分别提升 15.45 和 15.80 个百分点。另用 Qwen3-Embedding-0.6B 对预选的 512 个世界测试,原子文本上的相对误差下降 6.58%。
| 编码器与文本 | 归一化误差 | 状态检索率 (%) |
|---|---|---|
| BGE · Atomic | 0.01238 / 0.02657 | 99.02 / 96.00 |
| BGE · Compressed | 0.31746 / 0.72291 | 93.55 / 78.10 |
| E5 · Atomic | 0.01514 / 0.02367 | 98.15 / 96.80 |
| E5 · Compressed | 0.29736 / 0.69517 | 93.63 / 77.83 |
查询目标会怎样改变判断?
在 BGE 原子文本上,同实体查询的 nDCG@5 增加 0.12424 个百分点,跨实体查询下降 0.03569 个百分点。E5 压缩文本的对照更鲜明:状态检索提升 15.80 点,平衡查询排序却下降 0.03542 个百分点。为索引选择观测状态之前,需要明确用户实际要检索什么。
证据来自固定检查点、四人名录和特定的 23 状态方案。Qwen 比较沿用了原测试池的子集。自然文档、更大的编辑空间及独立世界池将检验这一规律的外推范围。
用 CPU 重建结果
CPU 入口解码冻结的标量,先在每个世界内平均六个条件,再核验八项主比较,并以原来的 10,000 次配对抽样恢复 Qwen 的 512 世界区间。包内提供合成输入、观测方案、校准选择和排序实例。编码新的文本需要另外取得上游编码器。
用原统计实现对 2,048 个配对世界做同一组自助抽样,可以恢复全部八项同时 95% 区间;整组的临界值为 2.70526。
python -B verify_manifest.py
python -B reproduce.py --out replay
python -B check_methods.py资料与数据
本报告署名与公开引用一致。PDF 保留了原稿的匿名排版。
BibTeX版本 1.0.1 · 补充原方法实现及独立 CPU 校验。