实验定位 机制正结果 / 泛化仍不足
A75 是 A74 的直接后续：A74 证明候选自身的 λ 结构无法判断 edit 是否有效，所以这次把 A64 per-view residual 和 A65 per-region signed residual 转成 case-level observation state，再用这个状态调节 A73 的 per-region λ frontier。关键区别是：A75 不再问“这个候选长什么样”，而是问“输入视角观察到的风险类型说明这个 case 应该全局 overstep，还是只改 conflict 区”。
结果：A75 diagnostic prior 在这 3 个 active case 上复现 A73 oracle，10-case joint=-0.0003089；更保守的 observation prior joint=-0.0002839；严格的 LOO observation router joint=-0.0002769，明显优于 A74 LOO lambda-only=-0.0000504 和 hard λ=1=-0.0001506。但 LOO 只匹配 2/3 oracle，说明目前仍是小样本机制证据，不是最终泛化方法。
A75 maps trajectory-level observation signals to A73 lambda candidates at case level. It is a retrospective bridge audit, not a true candidate-specific render evaluation for every lambda mesh.
实验设计（Image-2 风格）
模块设计（Image-2 风格）
Observation State
- late_safe_global_gain：后期多视角 residual 继续变好，且没有 local damage，倾向 scalar overstep。
- early_mv_gain_local_damage：MV depth 早期变好但局部可见/neutral 区受损，倾向 conflict-only。
- mid/ambiguous：不冒进，回退 hard λ 或 conservative budget。
Router Audit
- diagnostic prior 用全部 case 观察机制解释 oracle，不作为泛化结论。
- conservative prior 减少对中间状态的冒进。
- LOO threshold router 在两个 case 上拟合规则，在 held-out case 只用 observation state 选候选。
实验结果（表格）
10-case projected comparison
| ranker | mean ΔChamfer | mean ΔF@5 | joint | Pareto hits | gap to oracle |
|---|---|---|---|---|---|
| A73 GT oracle upper bound | -0.0002107 | 0.001227 | -0.0003089 | 3 | 0.0000000 |
| A75 observation diagnostic prior | -0.0002107 | 0.001227 | -0.0003089 | 3 | 0.0000000 |
| A75 observation conservative prior | -0.0001861 | 0.001222 | -0.0002839 | 2 | 0.0000249 |
| A75 LOO observation router | -0.0001779 | 0.001237 | -0.0002769 | 2 | 0.0000320 |
| hard λ=1 | -0.0000892 | 0.000768 | -0.0001506 | 0 | 0.0001582 |
| A74 LOO lambda-only ranker | -0.0000083 | 0.000526 | -0.0000504 | 1 | 0.0002584 |
| A73 weak proxy | -0.0000089 | 0.000259 | -0.0000296 | 0 | 0.0002793 |
case observation and selection
| case | observation state | best MVD iter | best MVD Δ | late safe | early paradox | damage/MVD+ | diagnostic | LOO | oracle |
|---|---|---|---|---|---|---|---|---|---|
| gso_000_input4 | mid_mv_gain_without_late_safety | 3 | -0.0000564 | 否 | 否 | 1.000 | scalar_1.250 | scalar_1.250 | scalar_1.250 |
| gso_002_input4 | late_safe_global_gain | 4 | -0.0012259 | 是 | 是 | 0.750 | scalar_1.250 | scalar_1.250 | scalar_1.250 |
| gso_008_input4 | early_mv_gain_local_damage | 2 | -0.0004981 | 否 | 是 | 1.000 | probe_v0.000_c0.750_r0.000 | scalar_1.000 | probe_v0.000_c0.750_r0.000 |
LOO threshold details
| held-out | obs state | target | selected | ΔChamfer | ΔF@5 | joint | on Pareto | trained params |
|---|---|---|---|---|---|---|---|---|
| gso_000_input4 | mid_mv_gain_without_late_safety | scalar_1.25 | scalar_1.250 | -0.0004916 | -0.004373 | -0.0001417 | 是 | late=False, paradox=False, mid=True, default=conflict_0.75 |
| gso_002_input4 | late_safe_global_gain | scalar_1.25 | scalar_1.250 | -0.0013526 | 0.015246 | -0.0025723 | 是 | late=False, paradox=False, mid=True, default=conflict_0.75 |
| gso_008_input4 | early_mv_gain_local_damage | hard_lambda_1 | scalar_1.000 | 0.0000649 | 0.001496 | -0.0000548 | 否 | late=False, paradox=False, mid=True, default=hard_lambda_1 |
可视化结果
实验结论
- A75 给出比 A74 更强的证据：决定 λ 预算的关键信息来自 observation state，而不是候选自身的 λ 结构。
- gso002 这类 late-safe global gain 适合 scalar overstep；gso008 这类 early MV gain 但 local damage 的 case 适合 conflict-only 微调。这解释了 A73 oracle 为什么不是统一策略。
- LOO observation router 已经把 joint 推到 -0.0002769，接近 A73 oracle=-0.0003089，但仍未超过 A53 reference=-0.0003849。
- 最重要的论文结论：view-conditioned edit validity 不能从候选 mesh 内部推出，必须由输入视角中的 multi-view residual 和 region damage 来调制。
下一步想法
- A76：materialize candidate-specific observation residual，对 A73 每个 λ mesh 都渲染回输入视角，直接计算 per-candidate MV/per-region damage，而不是只用 case-level trajectory state。
- 扩展 active case 数量：从 A51/A52 的 10-case 中继续挖 high-conflict / high-value cases，否则 ranker 泛化证据不足。
- 如果 candidate-specific observation ranker 仍不超过 A53，就把 A75 的 observation state 搬到 sampler-time regional guidance，而不是继续 post-hoc interpolation。
- 论文图可以画成“candidate-intrinsic prior failed -> observation-conditioned state works -> sampler-time budget”的三阶段证据链。