Files

T

WpyQwq 643e22ecb9 Natural Memory NM2.1: 记忆路由器分叉、数据集缺陷修复与全轴评测证据

- 引入 MemoryRouterXL 与 v5/v6 流式多线程训练/编码管线
- 修复 prepare_memory_router_dataset 候选池重建缺陷（mega 家族 3568x 加速，输出逐字节相同）
- 修复 v5 被破坏的拒答与多跳标签（train 未知样本 319 -> 16319，multi_hop 平均正例 1.00 -> 2.00）
- 同存储预算下 V2-128 v6 逐轴 22/22 通过：Top-1 41.12% -> 94.62%，未知拒答 0.00% -> 100.00%
- 记录三条被实测推翻的显然优化（logits_to_keep=1 反而慢 55%、XL 容量未带来收益）
- 记忆手术跨架构可移植性 14/14，读写关闭时与原生模型逐位相同

2026-09-19 11:11:31 +08:00

4.8 KiB

Raw Blame History

拒答策略轴 · 全门槛曲线验证

基线：V2-128 deployed(v3)。门槛取值：0.30, 0.40, 0.50, 0.60, 0.70, 0.80。

全部为百分比。通过 表示该候选在每个门槛上都不劣于基线。

轴	门槛 0.30	门槛 0.40	门槛 0.50	门槛 0.60	门槛 0.70	门槛 0.80	全门槛通过
V2-128 v6 final · need F1	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
V2-128 v6 final · need 召回	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
V2-128 v6 final · need 精确率	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
V2-128 v6 final · 未知拒答率	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
V2-128 v6 final · 已知问题被误拒率	0.00%	0.00%	0.00%	0.00%	0.00%	0.00%	是
V2-128 v6 final · 未知问题被误读率	0.00%	0.00%	0.00%	0.00%	0.00%	0.00%	是
V2-128 v6 final · 仲裁准确率	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
REPLAY-128 v7 final · need F1	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
REPLAY-128 v7 final · need 召回	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
REPLAY-128 v7 final · need 精确率	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
REPLAY-128 v7 final · 未知拒答率	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
REPLAY-128 v7 final · 已知问题被误拒率	0.00%	0.00%	0.00%	0.00%	0.00%	0.00%	是
REPLAY-128 v7 final · 未知问题被误读率	0.00%	0.00%	0.00%	0.00%	0.00%	0.00%	是
REPLAY-128 v7 final · 仲裁准确率	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
V2-512 v6 final · need F1	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
V2-512 v6 final · need 召回	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
V2-512 v6 final · need 精确率	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
V2-512 v6 final · 未知拒答率	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
V2-512 v6 final · 已知问题被误拒率	0.00%	0.00%	0.00%	0.00%	0.00%	0.00%	是
V2-512 v6 final · 未知问题被误读率	0.00%	0.00%	0.00%	0.00%	0.00%	0.00%	是
V2-512 v6 final · 仲裁准确率	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
XL-512 v6 final · need F1	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
XL-512 v6 final · need 召回	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
XL-512 v6 final · need 精确率	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
XL-512 v6 final · 未知拒答率	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
XL-512 v6 final · 已知问题被误拒率	0.00%	0.00%	0.00%	0.00%	0.00%	0.00%	是
XL-512 v6 final · 未知问题被误读率	0.00%	0.00%	0.00%	0.00%	0.00%	0.00%	是
XL-512 v6 final · 仲裁准确率	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
XL-128 v6 final · need F1	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
XL-128 v6 final · need 召回	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
XL-128 v6 final · need 精确率	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
XL-128 v6 final · 未知拒答率	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是
XL-128 v6 final · 已知问题被误拒率	0.00%	0.00%	0.00%	0.00%	0.00%	0.00%	是
XL-128 v6 final · 未知问题被误读率	0.00%	0.00%	0.00%	0.00%	0.00%	0.00%	是
XL-128 v6 final · 仲裁准确率	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%	是

基线在各门槛上的值（作对照）

轴	门槛 0.30	门槛 0.40	门槛 0.50	门槛 0.60	门槛 0.70	门槛 0.80
V2-128 deployed(v3) · need F1	89.67%	89.67%	89.58%	89.30%	89.19%	89.01%
V2-128 deployed(v3) · need 召回	100.00%	100.00%	99.82%	99.26%	99.05%	98.68%
V2-128 deployed(v3) · need 精确率	81.27%	81.27%	81.24%	81.15%	81.12%	81.07%
V2-128 deployed(v3) · 未知拒答率	0.00%	0.00%	0.00%	0.00%	0.00%	0.00%
V2-128 deployed(v3) · 已知问题被误拒率	0.00%	0.00%	0.18%	0.74%	0.95%	1.32%
V2-128 deployed(v3) · 未知问题被误读率	100.00%	100.00%	100.00%	100.00%	100.00%	100.00%
V2-128 deployed(v3) · 仲裁准确率	81.27%	81.27%	81.12%	80.67%	80.50%	80.20%

4.8 KiB Raw Blame History

拒答策略轴 · 全门槛曲线验证

基线在各门槛上的值（作对照）

4.8 KiB

Raw Blame History