实验定位 预解码门控有效 / 质量待验证
A3 接在 A2 后面：A2 证明固定 alpha=0.25 不能直接放大；A3 改为每个 case 在生成前先跑 sparse-only preflight，用 token ratio、support Jaccard 和 centroid drift 选择最大安全非零 alpha。
实验设计（Image-2 风格）
模块设计（Image-2 风格）
本页的模块设计图已在“实验设计”区域并排展示；它描述输入视角、VGGT/TRELLIS.2 信号、门控/路由、mesh 输出和评测反馈之间的数据流。这里单独标出模块设计章节，方便按统一汇报格式阅读。
实验结果（表格）
| case | baseline tokens | selected alpha | alpha=0.25 | 0.25 token ratio | 0.25 Jaccard | 0.25 centroid | 首个非零 alpha 失败原因 |
|---|---|---|---|---|---|---|---|
| gso_000_input4 | 26 | 0.1250 | 未通过 | 0.000 | 0.000 | - | support too small, support mismatch, centroid drift |
| gso_001_input4 | 842 | 1.0000 | 通过 | 0.999 | 0.999 | 0.011 | passed |
| gso_002_input4 | 3082 | 1.0000 | 未通过 | 0.953 | 0.565 | 3.769 | centroid drift |
| gso_003_input4 | 5097 | 1.0000 | 通过 | 1.006 | 0.917 | 0.199 | passed |
| gso_004_input4 | 2452 | 1.0000 | 通过 | 1.000 | 1.000 | 0.000 | passed |
| gso_005_input4 | 392 | 1.0000 | 通过 | 1.000 | 1.000 | 0.000 | passed |
| gso_006_input4 | 1393 | 1.0000 | 通过 | 1.000 | 0.987 | 0.010 | passed |
| gso_007_input4 | 995 | 1.0000 | 通过 | 0.999 | 0.995 | 0.037 | passed |
| gso_008_input4 | 1423 | 1.0000 | 通过 | 1.015 | 0.968 | 0.053 | passed |
| gso_009_input4 | 1329 | 1.0000 | 通过 | 0.954 | 0.852 | 0.774 | passed |
可视化结果
10 个 case 都完成 sparse-only 诊断。
说明 VGGT residual 不是一律要丢弃。
固定 alpha 仍会错杀/漏控部分 case。
非单调性诊断
| case | 通过的 alpha | selected alpha | 解释 |
|---|---|---|---|
| gso_000_input4 | 0.00000, 0.12500 | 0.1250 | alpha 安全性非单调，不能用二分或固定小 alpha 代替实际 preflight |
| gso_002_input4 | 0.00000, 0.06250, 0.12500, 1.00000 | 1.0000 | alpha 安全性非单调，不能用二分或固定小 alpha 代替实际 preflight |
gso_000 的 alpha=0.03125 会产生 empty support，alpha=0.125 又回到 baseline support；gso_002 的 alpha=0.25 centroid drift 超阈值，但 alpha=1.0 通过。这说明“更小 residual 必然更安全”这个直觉不可靠，必须实际捕获 sparse support。
失败原因统计
| 首个非零 alpha 结果 | case 数 |
|---|---|
| support too small | 1 |
| support mismatch | 1 |
| centroid drift | 2 |
| passed | 8 |
gso_000 的 baseline sparse tokens 只有 26，是本轮最脆弱 case；这个 case 同时解释了 A2 中固定 alpha 放大后的不稳定。
实验结论
- A3 证明 per-case sparse preflight 是可执行的：10/10 case 完成诊断，10/10 找到非零安全 alpha。
- 固定 alpha=0.25 不可靠：本轮只有 8/10 case 通过，gso_000 必须降到 0.125。
- VGGT residual 的风险不是全局均匀分布，而集中在 low-token / support 脆弱对象；这比 A1 的 case-level trust score 更接近真正的失败机制。
- 本轮只验证 pre-decode support 安全，不证明最终 mesh 几何质量改善；下一步必须把 selected alpha 路由进解码并做 GT 指标。
下一步想法
下一轮应该跑 selected_alpha_decode：对每个 case 用 A3 选出的 alpha 生成 mesh，并与 baseline、固定 alpha=0.25、hybrid repair 比较 Chamfer/F-score、watertight、boundary/nonmanifold、面片数和多视角渲染一致性。如果 selected alpha 只改善稳定性但不改善质量，就把它作为候选过滤器；如果同时改善几何或拓扑，再扩到 100-case 2/4/6/8 输入矩阵。