Initial commit: 自然记忆站：12 页纯标准库 Python 静态站点生成器，含真实评测台账（108 条）与全站客户端检索

2026-09-19 11:21:45 +08:00
commit 1da4b14c19
44 changed files with 9624 additions and 0 deletions
@@ -0,0 +1,26 @@
+<p class="lede2">
+  「一百万记录容量」是<strong>地址空间和分页结构的容量</strong>，不是本次已经装入了一百万条语义记忆，
+  也不是一百万条记录已经通过端到端测试。这一节把容量、实际用量与存储方式分开列清楚。
+</p>
+<div class="grid g-2-1" >
+  <div class="card card--flat">
+    <p class="eyebrow" >PAGE MAP · 32768 PAGES × 32 SLOTS</p>
+    <div class="pagemap" id="pageMap" aria-hidden="true"></div>
+    <p class="tiny" >高亮部分为本次运行实际使用的页面（批次 A：23 页 / 723 条 active records；批次 B：24 页 / 738 条）。其余为地址空间余量。</p>
+  </div>
+  <div>
+    <div class="cap" id="capList"></div>
+  </div>
+</div>
+<div class="grid g2" >
+  <div class="card">
+    <p class="eyebrow" >PERSISTENCE</p>
+    <h3 class="h3"  id="storageMode"></h3>
+    <p class="small" id="storageText"></p>
+  </div>
+  <div class="card card--warn">
+    <p class="eyebrow" style="color:var(--warn)">TRADE-OFF</p>
+    <h3 class="h3" >取舍</h3>
+    <p class="small" id="storageTradeoff"></p>
+  </div>
+</div>
@@ -0,0 +1,15 @@
+<p class="lede2" id="costIntro"></p>
+<div class="grid g-2-1" >
+  <div>
+    <div class="ledger" id="ledger"></div>
+    <p class="quote" ><q id="costQuote"></q></p>
+  </div>
+  <div class="card card--flat">
+    <p class="eyebrow" >VRAM · 12 GiB CARD</p>
+    <div class="vram" id="vram"></div>
+    <p class="tiny" >
+      allocated 与 reserved 均为每次请求结束后的快照，<strong>不是 CUDA high-water mark</strong>；
+      reserved 还包含 PyTorch 分配器保留的缓存。因此这里不能当作"模型峰值显存"来引用。
+    </p>
+  </div>
+</div>
@@ -0,0 +1,126 @@
+<p class="lede2">
+  这一节回答一个问题：<strong>既然模型已经有上下文窗口，为什么还要单独做一层记忆？</strong>
+  答案不是「窗口不够长」，而是<strong>把长期事实塞进上下文，会以线性成本换来极低的复用率</strong>。
+  下面把「哪些东西留在 Qwen 的热 KV 里、哪些写进记忆记录」这条分界线逐层讲清楚。
+</p>
+
+<h2 class="h3" >先看没有这层记忆时会发生什么</h2>
+<p class="small" style="max-width:78ch">
+  同一套题、同一协议下，原版 Qwen3.5-4B 在 246 道<strong>可回答</strong>题上只答对 3 道（1.22%）。
+  它的典型回答不是答错，而是明确表示拿不到信息：
+</p>
+<div class="quote" >
+  <q>作为一个人工智能模型，我无法访问您的个人历史对话记录、系统配置或您之前设定的具体规则……每次对话对我来说都是全新的开始。</q>
+  <cite>原版 Qwen3.5-4B · 评测样本 user-009 原始回答</cite>
+</div>
+<p class="small" style="max-width:78ch">
+  这句话在事实上完全正确——模型确实没有这些信息。问题出在：这些信息<strong>本来就应该被保存下来</strong>，
+  而它们不属于「当前这轮对话」，所以每轮都重新粘一遍历史是最笨的保存方式。
+</p>
+
+<h2 class="h3" >四层分工：谁存什么、为什么</h2>
+<p class="small" style="max-width:78ch">
+  这是整份设计里最核心的一张表。判断标准只有一条：<strong>这份信息是「这一轮才有意义」还是「跨轮次可复用」</strong>。
+</p>
+<div class="scrollx">
+  <div class="gt gt--4">
+    <div class="gt__h"><span>层级</span><span>存放什么</span><span>由谁负责</span><span>为什么放在这一层</span></div>
+    <div class="gt__r">
+      <span class="gt__k">最近对话</span>
+      <span class="gt__v">这一轮前后的原话与顺序</span>
+      <span class="gt__who">Qwen 热 KV</span>
+      <span class="gt__why">指代、省略、语气、"你刚才说的那句"都依赖严格的先后顺序。这类信息复用价值低、时效性强，放 KV 最自然。</span>
+    </div>
+    <div class="gt__r">
+      <span class="gt__k">长期个人 / 项目事实</span>
+      <span class="gt__v">事实、版本、来源、置信度、短文本证据</span>
+      <span class="gt__who gt__who--acc">Natural Memory 记录</span>
+      <span class="gt__why">跨会话反复被问到，且需要保留"哪个版本才是当前有效"的关系。它们不依赖顺序，只依赖地址与内容。</span>
+    </div>
+    <div class="gt__r">
+      <span class="gt__k">当前问题</span>
+      <span class="gt__v">由问题生成的有界读取</span>
+      <span class="gt__who gt__who--acc">路由 + Top-K</span>
+      <span class="gt__why">不是所有记忆都该被读。当前问题只与少量页面和记录交互，避免"记忆越多、噪声越大"。</span>
+    </div>
+    <div class="gt__r">
+      <span class="gt__k">原始持久化状态</span>
+      <span class="gt__v">记忆快照与索引</span>
+      <span class="gt__who gt__who--acc">嵌入式 memory safetensors</span>
+      <span class="gt__why">随模型包一起加载，运行时不需要额外数据库进程，也避免了磁盘分页带来的延迟抖动。</span>
+    </div>
+  </div>
+</div>
+
+<div class="callout" >
+  <p class="callout__t">关键判断</p>
+  <p class="callout__b">
+    Memory Slot <strong>不试图逐 token 模拟完整 KV</strong>。它接管的是 KV 里最昂贵、最适合长期保存、
+    也最容易重复利用的那一部分；而当前对话的顺序关系，仍然由 Qwen 的原生上下文负责。
+  </p>
+</div>
+
+<h2 class="h3" >分工落到数字上是什么样</h2>
+<p class="small" style="max-width:78ch">
+  下面这组对照最能说明「不是把历史灌进去，而是把命中的少量证据灌进去」。两组数字分别来自批次 A 与批次 B（同一题集、同一协议）。
+</p>
+<div class="statrow">
+  <div class="stat">
+    <span class="stat__k">无记忆时的平均输入</span>
+    <span class="stat__v">30.75<small>token</small></span>
+    <span class="stat__d">批次 A 基线：只有问题本身，没有历史</span>
+  </div>
+  <div class="stat stat--acc">
+    <span class="stat__k">有记忆时的平均输入</span>
+    <span class="stat__v">441.19<small>token</small></span>
+    <span class="stat__d">批次 B：命中的证据前缀（批次 A 为 641.42）</span>
+  </div>
+  <div class="stat">
+    <span class="stat__k">前缀命中率</span>
+    <span class="stat__v">96.97<small>%</small></span>
+    <span class="stat__d">批次 B 实际注入证据的题目占比（批次 A 为 90.91%）</span>
+  </div>
+  <div class="stat">
+    <span class="stat__k">GPU cache 实际用量</span>
+    <span class="stat__v">17,990<small>token</small></span>
+    <span class="stat__d">有界上限 131,072 token，用到约 13.7%</span>
+  </div>
+</div>
+<p class="small" style="max-width:78ch">
+  注意最后一项：<strong>上限是 131,072 token，实际只用了 17,990</strong>。
+  这说明读取路径被"有界"约束住了——不会因为记忆库变大就把显存吃满。
+</p>
+
+<h2 class="h3" >这条分工线换来了什么、付出了什么</h2>
+<div class="grid g2" >
+  <div class="card">
+    <p class="eyebrow" >换来的</p>
+    <div class="mini">
+      <div><span>可回答正确率</span><b>1.22% → 82.52%</b></div>
+      <div><span>目标记忆召回</span><b>0% → 92.68%</b></div>
+      <div><span>符号定位（192 题）</span><b>0/192 → 181/192</b></div>
+      <div><span>跨会话问题</span><b>1/6 → 5/6</b></div>
+    </div>
+  </div>
+  <div class="card card--warn">
+    <p class="eyebrow" style="color:var(--warn)">付出的</p>
+    <div class="mini">
+      <div><span>平均输入前缀</span><b>30.75 → 441.19 token</b></div>
+      <div><span>平均总延迟（批次 B）</span><b>2854.9 → 2878.3 ms</b></div>
+      <div><span>平均解码速度（批次 B）</span><b>22.34 → 20.68 tok/s</b></div>
+      <div><span>reserved 显存峰值</span><b>3.234 → 5.180 GiB</b></div>
+    </div>
+  </div>
+</div>
+
+<h2 class="h3" >这条线不能推到哪里</h2>
+<div class="claims claims--loose" >
+  <div class="claim"><span class="claim__x">✕</span><span class="claim__t">Natural Memory 已经等价于百万 token 的完整 KV</span><span class="claim__s">UNSUPPORTED</span></div>
+  <div class="claim"><span class="claim__x">✕</span><span class="claim__t">长上下文限制已被解除（实测 8K 可跑，16K / 32K OOM）</span><span class="claim__s">UNSUPPORTED</span></div>
+  <div class="claim"><span class="claim__x">✕</span><span class="claim__t">设计容量 1,048,576 条记录等于已经装入并验证了这么多</span><span class="claim__s">UNSUPPORTED</span></div>
+</div>
+<p class="small" style="max-width:78ch">
+  第三条尤其要注意：<strong>1,048,576 是地址空间与分页结构的容量</strong>，
+  本次两个批次实际装载的是 723 / 738 条 active records，分别是 23 / 24 个页面。
+  容量上限与已装入量是两个概念，我们不在页面上把它们混为一谈。
+</p>
@@ -0,0 +1,3 @@
+<p class="lede2" id="exampleIntro"></p>
+<div id="exampleList" class="examples" ></div>
+<p class="small" style="max-width:86ch" id="exampleNote"></p>
@@ -0,0 +1,401 @@
+<!-- ============ BAND 1 · 地址空间（首屏即机制，不是标题块） ============
+     动效概念：地址空间下降。镜头从 1,048,576 个槽位一路降到一条记录，
+     每个环节的数字都是真的。机制来自题材自身的物理（读取路径本来就是寻址）。 -->
+<section class="hero" id="hero">
+  <div class="hero__pin">
+    <canvas class="hero__cv" id="spaceCv" aria-hidden="true"></canvas>
+    <div class="hero__layer">
+      <div class="hero__row hero__row--top">
+        <span class="eyebrow">Natural Memory · NM2.1</span>
+        <span class="eyebrow hero__geo">1,048,576 槽位 · 738 条活跃记录 · 730 个索引桶</span>
+      </div>
+
+      <div class="hero__row hero__row--mid">
+        <h1 class="hero__h dsp">模型重启之后，<br>它仍然记得。</h1>
+        <!-- 头号数字就在第一屏里：读者不需要滚三屏才知道这页在说什么 -->
+        <p class="hero__fig">
+          <span class="hero__fig-row">
+            <span class="hero__fig-v">1.22<small>%</small></span>
+            <span class="hero__fig-a" aria-hidden="true">→</span>
+            <span class="hero__fig-v">82.52<small>%</small></span>
+          </span>
+          <span class="hero__fig-n">同一 264 题题集的可回答正确率：无记忆基线 → 批次 B。
+            批次 A 为 62.60%，两批配置不同、不可合并。</span>
+        </p>
+      </div>
+
+      <div class="hero__row hero__row--bot">
+        <div class="hero__lede-wrap">
+          <p class="hero__lede" id="heroLede"></p>
+          <p class="hero__byline mono">wpyw.site · [email protected] · 本地 Qwen3.5-4B · 4-bit NF4</p>
+        </div>
+        <div class="hero__hud" role="status" aria-live="off">
+          <span class="hero__hud-i mono" id="hudIdx">01 / 08</span>
+          <span class="hero__hud-n" id="hudName">地址空间</span>
+          <span class="hero__hud-v mono" id="hudVal">1,048,576 槽位 · 738 条活跃记录</span>
+          <span class="hero__hud-track"><i id="hudBar"></i></span>
+        </div>
+      </div>
+    </div>
+    <p class="hero__cue mono">向下滚动 · 走一遍读取路径</p>
+  </div>
+</section>
+
+<!-- ============ BAND 2 · 关键数字（紧贴首屏；以前这里空着一屏多） ============ -->
+<section class="band band--tight">
+  <div class="wrap">
+    <p class="eyebrow band__k">Key numbers</p>
+    <div class="kpis reveal" id="heroKpis"></div>
+    <p class="src" style="display:block;margin-top:16px">出处 · <span id="heroSrc"></span></p>
+    <nav class="linkrow" aria-label="发布资源" style="margin-top:var(--sp-2xl)">
+      <a class="btn btn--pri" href="./reproduce">复现实验</a>
+      <a class="btn" href="./results">测量结果</a>
+      <a class="btn" href="./nm21">NM2.1 技术论证</a>
+      <a class="btn" href="./ledger">108 条真实台账</a>
+      <a class="btn" href="./limits">边界声明</a>
+      <a class="btn" href="https://wpyw.site" target="_blank" rel="noopener">作者网站 ↗</a>
+    </nav>
+  </div>
+</section>
+
+<!-- ============ BAND 2 · 重启实验（真实运行回放装置） ============ -->
+<section class="band band--alt band--rst" id="restart">
+  <div class="wrap">
+    <p class="eyebrow">Evidence · 重启实验</p>
+    <h2 class="h2">把历史扔掉，它还记得吗？</h2>
+    <p class="lede2 rst__lede">
+      下面不是示意动画，是工程里两次真实运行的逐字回放。同一条事实、同一个问题、同一份协议；
+      两次之间唯一的差别，是写入有没有真的落库。
+    </p>
+
+    <div class="rst" id="rst">
+      <div class="rst__head">
+        <div class="seg" role="group" aria-label="选择运行版本">
+          <button class="seg__b" type="button" data-v="before">修复前</button>
+          <button class="seg__b is-on" type="button" data-v="after">修复后</button>
+        </div>
+        <button class="btn rst__play" type="button" id="rstPlay">重放</button>
+        <span class="rst__file mono" id="rstFile"></span>
+      </div>
+
+      <div class="rst__grid">
+        <div class="rst__aside">
+          <p class="rst__k">写入的事实</p>
+          <p class="rst__quote" id="rstFact"></p>
+          <p class="rst__k">重启之后问</p>
+          <p class="rst__quote rst__quote--q" id="rstQuery"></p>
+
+          <div class="rst__gauges">
+            <div class="rst__g">
+              <div class="rst__gt"><span>记忆库记录</span><b class="mono" id="rstRec">0</b></div>
+              <div class="rst__track"><span class="rst__fill rst__fill--store" id="rstRecBar"></span></div>
+            </div>
+            <div class="rst__g">
+              <div class="rst__gt"><span>重启时传入的历史</span><b class="mono" id="rstHist">false</b></div>
+              <div class="rst__track"><span class="rst__fill rst__fill--hist" id="rstHistBar"></span></div>
+            </div>
+            <div class="rst__g">
+              <div class="rst__gt"><span>注入模型内部的前缀</span><b class="mono" id="rstPf">0<small> tok</small></b></div>
+              <div class="rst__track"><span class="rst__fill rst__fill--pf" id="rstPfBar"></span></div>
+              <p class="rst__hint" id="rstPfHint"></p>
+            </div>
+          </div>
+        </div>
+
+        <ol class="rst__beats" id="rstBeats"></ol>
+      </div>
+
+      <div class="rst__out" id="rstOut">
+        <div class="rst__outhead">
+          <span class="mono">模型输出 · 逐字</span>
+          <span class="rst__verdict mono" id="rstVerdict"></span>
+        </div>
+        <p class="rst__resp mono" id="rstResp"></p>
+        <div class="rst__kv" id="rstKv"></div>
+      </div>
+    </div>
+
+    <p class="tiny rst__note" id="rstNote"></p>
+  </div>
+</section>
+
+<!-- ============ BAND 3 · Teaser（全宽读取路径图） ============ -->
+<section class="band band--teaser">
+  <div class="wrap">
+    <figure class="teaser">
+      {{include:partials/readpath.svg}}
+      <figcaption class="teaser__cap">
+        <span class="teaser__k">图 1 · 读取路径</span>
+        一次问答里记忆层做了什么。用户问题只与少量页面和记录交互，<b>全程没有对全量记忆做注意力</b>；
+        命中的短证据作为模型内部前缀注入 Qwen。图为示意，环节顺序与实现一致。
+      </figcaption>
+    </figure>
+  </div>
+</section>
+
+<!-- ============ BAND 4 · 摘要 ============ -->
+<section class="band">
+  <div class="wrap wrap--narrow">
+    <p class="eyebrow band__k">Abstract</p>
+    <h2 class="h2 arr-wipe">这是什么东西</h2>
+    <p class="lede2">
+      它接在本地 Qwen3.5-4B 上，是一个<strong>模型内的记忆层</strong>：把适合长期复用的个人事实、项目事实和短对话片段
+      写进<strong>带地址的记忆记录</strong>；当前问题只读取少量相关记录，再把这些记录作为<strong>模型内部前缀</strong>交给 Qwen 生成答案。
+    </p>
+    <p class="lede2" style="margin-top:20px">
+      它要解决的具体问题是：<strong>模型重启后不携带历史聊天记录，仍能访问已经保存的个人或项目事实，
+      同时不把全部历史转换成 GPU 上的长 KV Cache。</strong>
+    </p>
+    <p class="small" style="margin-top:24px">
+      当前状态：研究原型到工程验证之间。同一 264 题题集上，可回答正确率从 1.22% 提升到 62.60%（批次 A）
+      与 82.52%（批次 B）；代价是输入前缀变长、解码速度下降约 10%。我们不在页面上把它说成通用智能，
+      也不把实验室结果表述成线上服务承诺。
+    </p>
+  </div>
+</section>
+
+<!-- ============ BAND 5 · 本次发布包含什么 ============ -->
+<section class="band band--alt">
+  <div class="wrap">
+    <p class="eyebrow band__k">What's in this release</p>
+    <div class="grid g3">
+      <div class="card">
+        <p class="rel__k">记忆层与索引</p>
+        <p class="rel__v">738 <small>active records</small></p>
+        <p class="rel__d">批次 B 实际装载；24 个页面，页容量 32 条。地址空间设计容量 1,048,576。</p>
+      </div>
+      <div class="card">
+        <p class="rel__k">记忆路由器</p>
+        <p class="rel__v">2,037,774 <small>参数</small></p>
+        <p class="rel__d">16 张量 / float32 / 512 B 地址；结构 dim=128 · heads=8 · hidden=2560 · max_hops=3。</p>
+      </div>
+      <div class="card">
+        <p class="rel__k">有界 GPU cache</p>
+        <p class="rel__v">256 <small>records</small></p>
+        <p class="rel__d">上限 131,072 token；批次 B 实际用到 17,990 token，fallback 与分配失败均为 0。</p>
+      </div>
+      <div class="card">
+        <p class="rel__k">评测题集</p>
+        <p class="rel__v">264 <small>题</small></p>
+        <p class="rel__d">246 可回答 / 18 未知；真实仓库 220 题 + 项目对话事实 44 题。</p>
+      </div>
+      <div class="card">
+        <p class="rel__k">可复核性</p>
+        <p class="rel__v">逐字原文</p>
+        <p class="rel__d">样例页的问答全部取自评测原始结果、未经润色，并包含两条我们判错的样例。</p>
+      </div>
+      <div class="card card--acc">
+        <p class="rel__k">复现</p>
+        <p class="rel__v">一条命令</p>
+        <p class="rel__d">正式脏数据迁移测试的完整命令、协议参数与产物路径见复现页。</p>
+        <p style="margin:16px 0 0"><a class="btn" href="./reproduce">去复现 →</a></p>
+      </div>
+    </div>
+  </div>
+</section>
+
+<!-- ============ BAND 6 · 结果预览 ============ -->
+<section class="band">
+  <div class="wrap">
+    <p class="eyebrow band__k">Headline result</p>
+    <div class="grid g-2-1">
+      <div class="bars" id="releaseResult">
+        <div class="barset">
+          <div class="barset__top">
+            <span class="barset__t">可回答正确率</span>
+            <span class="barset__n">同一 264 题题集 · 246 可回答</span>
+          </div>
+          <div class="bar bar--base"><span class="bar__l">原版 Qwen</span>
+            <span class="bar__track"><span class="bar__fill" data-fill="1.22"></span></span>
+            <span class="bar__v">1.22%<small>3/246</small></span></div>
+          <div class="bar bar--a"><span class="bar__l">批次 A</span>
+            <span class="bar__track"><span class="bar__fill" data-fill="62.60"></span></span>
+            <span class="bar__v">62.60%<small>154/246</small></span></div>
+          <div class="bar bar--nm2"><span class="bar__l">批次 B</span>
+            <span class="bar__track"><span class="bar__fill" data-fill="82.52"></span></span>
+            <span class="bar__v">82.52%<small>203/246</small></span></div>
+        </div>
+        <div class="legend">
+          <span><i class="l-base"></i>原版 Qwen3.5-4B</span>
+          <span><i class="l-a"></i>批次 A</span>
+          <span><i class="l-nm2"></i>批次 B</span>
+        </div>
+        <p class="small">
+          两个批次同一题集、同一协议，但配置不同，<strong>分数不可合并</strong>，只能并列读。
+          目标记忆召回：批次 A 67.48%、批次 B 92.68%——<strong>检索召回率不等于回答正确率</strong>。
+        </p>
+      </div>
+      <div>
+        <div class="kv">
+          <div class="kv__r"><span class="kv__k">总体正确率</span><span class="kv__v">7.58% → 64.39% → 82.95%</span></div>
+          <div class="kv__r"><span class="kv__k">符号定位</span><span class="kv__v">0/192 → 129/192 → 181/192</span></div>
+          <div class="kv__r"><span class="kv__k">未知拒答</span><span class="kv__v">17/18 → 16/18 → 16/18</span></div>
+          <div class="kv__r"><span class="kv__k">读取额外耗时</span><span class="kv__v">— → 61.10 → 26.35 ms</span></div>
+          <div class="kv__r"><span class="kv__k">解码速度</span><span class="kv__v">24.06 → 21.68 → 20.68 tok/s</span></div>
+        </div>
+        <p style="margin:20px 0 0"><a class="btn" href="./results">全部测量结果 →</a></p>
+      </div>
+    </div>
+  </div>
+</section>
+
+<!-- ============ BAND 7 · 发布之后（NM2.1） ============ -->
+<section class="band band--alt">
+  <div class="wrap">
+    <p class="eyebrow">After this release · NM2.1</p>
+    <h2 class="h2">发布之后又做了什么</h2>
+    <p class="lede2" style="margin-top:20px">
+      上面所有数字都来自 v2。之后的 NM2.1 换掉了记忆路由器、修掉写入路径上一个会把事实互相销毁的缺陷，
+      并把「问库里没有的属性时照样编答案」这个 75% 的失败修到 0%。
+    </p>
+
+    <!-- 全页的头号数字；也是唯一一个用 .mega 的地方 -->
+    <div class="money">
+      <p class="eyebrow">未知拒答率 · 24 条同形候选</p>
+      <p class="money__row">
+        <span class="mega arr-num">100.00<small>%</small></span>
+        <span class="money__from">从 0.00% 起 —— 修好之前，模型 75% 的情况下照样编一个答案</span>
+      </p>
+      <p class="money__cap">
+        这是整个项目最该被引用的一个数字。它回答的不是「能不能检索到」，而是
+        <strong>「不知道的时候会不会不懂装懂」</strong>。
+      </p>
+    </div>
+
+    <div class="nm21grid" style="margin-top:var(--band-tight)">
+      <div>
+        <p class="rel__k">未知拒答率 · 同形候选</p>
+        <p class="rel__v"><em>0.00% →</em>100.00%</p>
+        <p class="rel__d">问库里不存在的属性时，正确说「不知道」的比例。修好之前，模型 75% 的情况下照样编一个答案。</p>
+      </div>
+      <div>
+        <p class="rel__k">写 20 条不同属性后存活</p>
+        <p class="rel__v"><em>12/20 →</em>20/20</p>
+        <p class="rel__d">v2 的写入路径会把 8 条<strong>无关</strong>事实互相 retract，让端到端正确率存在 50% 的硬上限——任何排序器都救不回一条已被删掉的记录。</p>
+      </div>
+      <div>
+        <p class="rel__k">零字面重叠改写</p>
+        <p class="rel__v"><em>43.75% →</em>68.75%</p>
+        <p class="rel__d">查询与事实之间没有任何独特字重叠时的回答正确率；24 条同句式候选的随机水平是 4.17%。</p>
+      </div>
+    </div>
+
+    <div class="grid g-2-1" style="margin-top:32px">
+      <div>
+        <p class="small">
+          <strong>代价几乎为零：</strong>参数量 2,037,774 不变、每条记录地址 512 字节不变、模型包 8.88 GB 不变；
+          交错基准（7 轮，消除顺序效应）单查询延迟 1.4203 → 1.4242 ms，差 +0.28%，
+          <strong>小于同一轮里原版自身 4.85% 的离散度</strong>。
+        </p>
+        <p class="small">
+          <strong>失败也一并写出来：</strong>那套「先判属性、再查库」的机制在离线实验里是 100.00% 拒答 / 0.00% 误拒，
+          但接上运行时<strong>连续失败两次</strong>——第一次把可回答正确率从 100.00% 压到 6.25%；
+          第二次修好了目标域（泄漏真的到 0.00%、可回答无损）却让另一个域崩到 0.00%。
+          最终该项已回退，原因也定位到了。
+        </p>
+        <p style="margin:22px 0 0; display:flex; flex-wrap:wrap; gap:12px">
+          <a class="btn btn--pri" href="./nm21">完整技术论证 →</a>
+          <a class="btn" href="./ledger">108 条真实台账 →</a>
+        </p>
+      </div>
+      <div>
+        <p class="eyebrow" style="margin-bottom:18px">路由器工件本身的提升</p>
+        <div class="kv">
+          <div class="kv__r"><span class="kv__k">Top-1 正确率</span><span class="kv__v">41.12% → 94.14%</span></div>
+          <div class="kv__r"><span class="kv__k">Recall@3</span><span class="kv__v">46.73% → 96.48%</span></div>
+          <div class="kv__r"><span class="kv__k">MRR</span><span class="kv__v">47.69% → 95.77%</span></div>
+          <div class="kv__r"><span class="kv__k">hop 正确率</span><span class="kv__v">73.23% → 100.00%</span></div>
+          <div class="kv__r"><span class="kv__k">hop 欠预测率</span><span class="kv__v">4.68% → 0.00%</span></div>
+          <div class="kv__r"><span class="kv__k">替换兼容性</span><span class="kv__v">DROP-IN OK（16/16 键）</span></div>
+          <div class="kv__r"><span class="kv__k">单元测试</span><span class="kv__v">52 项通过</span></div>
+        </div>
+        <p class="tiny" style="margin-top:16px">
+          这些是路由器工件在冻结评测集上的增益。它<strong>不会</strong>自动传递到最终答案 ——
+          原因见技术论证页的第十节。
+        </p>
+      </div>
+    </div>
+  </div>
+</section>
+
+<!-- ============ BAND 8 · 深入阅读 ============ -->
+<section class="band">
+  <div class="wrap">
+    <p class="eyebrow band__k">Read further</p>
+    <div class="grid g3">
+      <a class="navcard" href="./division">
+        <span class="navcard__n">01</span>
+        <span class="navcard__t">记忆与 KV 的分工</span>
+        <span class="navcard__d">哪些留在热 KV、哪些写进记忆，判断标准与代价</span>
+      </a>
+      <a class="navcard" href="./mechanism">
+        <span class="navcard__n">02</span>
+        <span class="navcard__t">一次读取与一次写入</span>
+        <span class="navcard__d">八个环节、记录字段、四个状态与四个设计决定</span>
+      </a>
+      <a class="navcard" href="./nm21">
+        <span class="navcard__n">04</span>
+        <span class="navcard__t">NM2.1 · 之后做了什么</span>
+        <span class="navcard__d">根因、两级验证、两处改动的剂量曲线，以及两次失败的集成</span>
+      </a>
+      <a class="navcard" href="./ledger">
+        <span class="navcard__n">06</span>
+        <span class="navcard__t">真实评测台账</span>
+        <span class="navcard__d">108 条逐字原文，可按来源与判定筛选</span>
+      </a>
+      <a class="navcard" href="./examples">
+        <span class="navcard__n">05</span>
+        <span class="navcard__t">实测样例</span>
+        <span class="navcard__d">五条逐字原文，含两条我们判错的</span>
+      </a>
+      <a class="navcard" href="./cost">
+        <span class="navcard__n">07</span>
+        <span class="navcard__t">代价账本</span>
+        <span class="navcard__d">延迟、解码速度、前缀长度、显存</span>
+      </a>
+    </div>
+  </div>
+</section>
+
+<!-- ============ BAND 8 · 边界（正式章节，不是脚注） ============ -->
+<section class="band">
+  <div class="wrap">
+    <p class="eyebrow band__k">Boundaries · 我们不宣称的内容</p>
+    <div class="claims claims--loose arr-cards">
+      <div class="claim"><span class="claim__x">✕</span><span class="claim__t">已经等价于百万 token 的完整 KV</span></div>
+      <div class="claim"><span class="claim__x">✕</span><span class="claim__t">已经击败生产级 embedding + reranker RAG</span></div>
+      <div class="claim"><span class="claim__x">✕</span><span class="claim__t">任何自然语言表达都能稳定召回正确记忆</span></div>
+      <div class="claim"><span class="claim__x">✕</span><span class="claim__t">记忆写入永远不会出错</span></div>
+      <div class="claim"><span class="claim__x">✕</span><span class="claim__t">一百万条记录已经完成端到端验证</span></div>
+      <div class="claim"><span class="claim__x">✕</span><span class="claim__t">当前 4B 结果可以直接外推到 14B、32B 或更大模型</span></div>
+    </div>
+    <p class="small" style="margin-top:24px">
+      完整的八条与五项主要局限见 <a href="./limits" class="linku">边界页</a>。
+      把它们放在发布页正面，是因为它们和上面的数字一样重要。
+    </p>
+  </div>
+</section>
+
+<!-- ============ BAND 9 · 引用 ============ -->
+<section class="band band--alt">
+  <div class="wrap">
+    <p class="eyebrow band__k">Citation</p>
+    <div class="code">
+      <div class="code__bar">
+        <span class="code__t">BibTeX</span>
+        <button class="copy" id="citeCopy" type="button">复制</button>
+      </div>
+      <pre><code id="citeBlock">@misc{naturalmemoryv2,
+  title  = {Natural Memory v2: an in-model memory layer for local LLMs},
+  author = {wpy},
+  year   = {2026},
+  note   = {Research prototype on Qwen3.5-4B. 264-question dirty-corpus
+            transfer test; two independent batches.},
+  url    = {https://wpyw.site}
+}</code></pre>
+    </div>
+    <p class="tiny" style="margin-top:16px">
+      引用时请一并注明「批次 A 与批次 B 配置不同、分数不可合并」，否则单个数字会被误读。
+    </p>
+  </div>
+</section>
@@ -0,0 +1,25 @@
+<p class="lede2">
+  这一页不是挑出来的样例，是<strong>全部 108 条真实评测 episode 的逐条台账</strong>。
+  每条都带模型的逐字回复、判定结果、停止原因、选中记录数与分数。
+</p>
+<p class="small" id="ledgerIntro"></p>
+
+<div class="ledger-bar">
+  <div class="seg" id="ledgerSrc" role="group" aria-label="按来源筛选"></div>
+  <div class="seg" id="ledgerVerdict" role="group" aria-label="按判定筛选"></div>
+</div>
+
+<div class="ledger-count">
+  <span class="mono" id="ledgerCount"></span>
+  <span class="tiny" id="ledgerBreak"></span>
+</div>
+
+<div class="ledger" id="ledgerList"></div>
+
+<p class="tiny" style="margin-top:var(--sp-2xl)">
+  数据来自 <code>runtime_score_bands.json</code> 与 <code>nm2_1_final_runtime_e2e.json</code>，
+  由 <code>tools/make_ledger.py</code> 生成 <code>assets/js/ledger.js</code>，
+  <strong>字段逐字复制，未做改写、润色或换算</strong>。模型输出里的错字、冗余和编造的内容都按原样保留。
+  期望锚点是评测里的随机码（形如 <code>VAL-XXXXXXX</code>），它只出现在唯一一条候选事实里，
+  因此可以用来检测「证据混用」。
+</p>
@@ -0,0 +1,6 @@
+<p class="lede2" id="limitsIntro"></p>
+<div class="claims" id="claims" ></div>
+<h2 class="h3" >五项主要局限</h2>
+<div class="lims" id="lims" ></div>
+<h2 class="h3" >来自工程文档的原文</h2>
+<div class="lims" id="quotes" ></div>
@@ -0,0 +1,114 @@
+<p class="lede2">
+  这一节把「<strong>一次读取</strong>」和「<strong>一次写入</strong>」拆开讲透：读取路径有哪八个环节、每一步的输入输出是什么、
+  一条记录里到底存了什么、四个状态如何演化，以及我们为这些决定付出了什么代价。
+</p>
+
+<h2 class="h3" >一、读取路径：从提问到证据注入</h2>
+<div class="scrollx teaser--doc">
+  {{include:partials/readpath.svg}}
+</div>
+
+<p class="small" style="max-width:78ch">
+  点左侧任一环节查看它在做什么，也可以依次点一遍——注意整条链路上<strong>没有一步是「和全部记忆做注意力」</strong>，
+  这是显存可控的根本原因。
+</p>
+
+<div class="flow">
+  <div class="steps" id="steps" role="tablist" aria-label="记忆读取路径"></div>
+  <div class="flow__detail card card--flat">
+    <p class="flow__stage" id="flowIdx">STAGE 01 / 08</p>
+    <h3 class="flow__title" id="flowTitle"></h3>
+    <p class="flow__body" id="flowBody"></p>
+    <p class="flow__io" id="flowIo"></p>
+    <div class="flow__meta">
+      <div><span>读取上限</span><b>2 records</b></div>
+      <div><span>候选页上限</span><b>4 pages</b></div>
+      <div><span>页容量</span><b>32 / page</b></div>
+      <div><span>全量注意力</span><b>否</b></div>
+    </div>
+  </div>
+</div>
+
+<h2 class="h3" >每一步的输入、输出与约束</h2>
+<p class="small" style="max-width:78ch">
+  括号里的数字是实测值，不是设计目标。
+</p>
+<div class="scrollx">
+  <div class="gt gt--3">
+    <div class="gt__h"><span>环节</span><span>输入 → 输出</span><span>约束或实测</span></div>
+    <div class="gt__r"><span class="gt__k">01 用户问题</span><span class="gt__v">普通自然语言</span><span class="gt__why">不要求任何显式指令，不需要输入 <code>/remember</code> 之类的标记。</span></div>
+    <div class="gt__r"><span class="gt__k">02 Qwen hidden state</span><span class="gt__v">问题 → 紧凑查询地址</span><span class="gt__why">地址由模型隐状态生成，不依赖外部 embedding 服务；语义地址编码用单条 batch 执行，避免编码阶段出现显存瞬时峰值。</span></div>
+    <div class="gt__r"><span class="gt__k">03 LSH / 地址粗索引</span><span class="gt__v">查询地址 → 候选页</span><span class="gt__why">精确桶 + Hamming-1/2 探针；批次 A 的记忆状态里粗索引有 730 个桶、最近一次粗筛返回 24 个候选。</span></div>
+    <div class="gt__r"><span class="gt__k">04 候选页</span><span class="gt__v">候选页 → 少量页面</span><span class="gt__why">页容量 32 条记录，默认最多读取 4 页；本次 active records 723 条落在 23 个页面上。</span></div>
+    <div class="gt__r"><span class="gt__k">05 页内记录重排</span><span class="gt__v">页内记录 → 有序候选</span><span class="gt__why">记录级重排由独立的 text_retriever 完成（6 张量、1,573,377 参数）。它的 Top-1 命中率本身只有 23.20%，是当前的主要瓶颈之一。</span></div>
+    <div class="gt__r"><span class="gt__k">06 Top-K 记录</span><span class="gt__v">有序候选 → 少量证据</span><span class="gt__why">正式测试中的读取上限为 2 条记录。目标记忆召回：批次 A 166/246，<strong>批次 B 228/246</strong>。</span></div>
+    <div class="gt__r"><span class="gt__k">07 证据前缀注入</span><span class="gt__v">证据 → 模型内部前缀</span><span class="gt__why">命中的短证据被提升到 GPU 作为前缀；批次 B 有 96.97% 的题目实际注入了前缀，平均 410.34 token（批次 A 为 610.67）。</span></div>
+    <div class="gt__r"><span class="gt__k">08 普通生成</span><span class="gt__v">前缀 + 问题 → 回答</span><span class="gt__why">记忆主体始终留在进程内存，只有热点记录进入有界 GPU cache。读取路径额外耗时：批次 A 61.10 ms → <strong>批次 B 26.35 ms</strong>。</span></div>
+  </div>
+</div>
+
+<h2 class="h3" >二、一条记录里到底存了什么</h2>
+<p class="small" style="max-width:78ch">
+  记录不是一段文本，而是一条带地址、带版本关系、带状态的结构化数据。下面左侧是全部字段，
+  右侧是<strong>一条真实记录</strong>（逐字取自评测结果里的命中记录）。
+</p>
+<div class="grid g-2-1">
+  <div>
+    <div class="rec" id="recFields"></div>
+  </div>
+  <div>
+    <div class="card card--acc" id="realRecord"></div>
+  </div>
+</div>
+
+<h2 class="h3" >三、状态机：旧的答案不会凭空消失</h2>
+<p class="small" style="max-width:78ch">
+  同一实体和属性出现新值时，<strong>旧值被标记为 superseded，而不是被覆盖或删除</strong>。
+  这是「时间冲突」类问题能答对的前提：既要给出当前有效值，也要能说清旧值去哪了。
+</p>
+<div class="states" id="stateList"></div>
+
+<div class="callout callout--warn" >
+  <p class="callout__t">写入路径的教训：检索救不回不存在的记录</p>
+  <p class="callout__b">
+    早期版本的退役授权完全依赖一个学习打分（阈值 ≥0.95），<strong>没有任何结构校验</strong>。
+    结果是新写入把已有记录误判为旧值并退役：一次 20 条记录的测试里 active 只剩 12 条、retract 高达 16 次、目标记录只存活 8/16。
+    修好之后：<strong>active 12/20 → 20/20，retract 16 → 0，目标记录存活 8/16 → 16/16，端到端 37.50% → 68.75%</strong>。
+    这件事的结论很直白——<span class="serif-it">任何排序器都救不回一条已经不存在的记录。</span>
+  </p>
+</div>
+
+<h2 class="h3" >四、四个设计决定与它们的代价</h2>
+<div class="grid g2" >
+  <div class="card">
+    <p class="eyebrow" >决定 1 · 两段式读取</p>
+    <p class="small" ><strong>粗索引筛页 → 页内重排</strong>，而不是对全量记录做注意力。</p>
+    <p class="tiny">好处：单次读取的候选规模被压到固定上限（≤4 页 / ≤2 条），成本与记忆总量解耦。
+      代价：两段都可能出错，且错误会叠加——粗索引错了就再没有机会。</p>
+  </div>
+  <div class="card">
+    <p class="eyebrow" >决定 2 · 用地址索引而非向量库</p>
+    <p class="small" >语义地址 + LSH 桶放在模型包内，<strong>不引入外部检索服务</strong>。</p>
+    <p class="tiny">好处：部署时没有额外进程与网络依赖，读取耗时稳定（批次 B 26.35 ms）。
+      代价：召回质量受地址质量限制，零字面重叠的改写问法曾只有 18.40% 的 Top-1。</p>
+  </div>
+  <div class="card">
+    <p class="eyebrow" >决定 3 · 有界 GPU cache</p>
+    <p class="small" >热点记录进 GPU，上限 <strong>256 条 / 131,072 token</strong>，另有动态保留。</p>
+    <p class="tiny">好处：显存占用可预测，两个批次的实际用量分别是 15,885 / 17,990 token，fallback 与分配失败均为 0。
+      代价：cold page 会带来额外取数路径——不过本次两个批次都是 embedded / process-RAM 模式，cold page 为 0。</p>
+  </div>
+  <div class="card">
+    <p class="eyebrow" >决定 4 · 嵌入式 weight-shard 持久化</p>
+    <p class="small" >记忆快照写进模型包的 memory safetensors 切片，<strong>默认不用 SQLite、不用磁盘分页</strong>。</p>
+    <p class="tiny">好处：运行时依赖最少，重启只需加载权重切片、不回放历史聊天。
+      代价：模型包会随记忆增长变大，且<strong>固化更新需要重新保存权重切片</strong>——这是明确的工程负担，不是白拿的。</p>
+  </div>
+</div>
+
+<h2 class="h3" >五、这套机制仍然做不到的事</h2>
+<div class="claims claims--loose" >
+  <div class="claim"><span class="claim__x">✕</span><span class="claim__t">任何自然语言表达都能稳定召回正确记忆</span><span class="claim__s">UNSUPPORTED</span></div>
+  <div class="claim"><span class="claim__x">✕</span><span class="claim__t">记忆写入永远不会出错</span><span class="claim__s">UNSUPPORTED</span></div>
+  <div class="claim"><span class="claim__x">✕</span><span class="claim__t">检索召回率等于回答正确率（批次 B 召回 92.68% / 回答 82.52%，差 10.16pp）</span><span class="claim__s">UNSUPPORTED</span></div>
+</div>
@@ -0,0 +1,546 @@
+<p class="lede2">
+  发布页上的数字来自 v2。这一页讲**之后又做了什么**：三处改动各自凭什么、一个把端到端正确率
+  锁死在 50% 的写入缺陷怎么定位的、以及一个 75% 泄漏的失败怎么修到 0%——又怎么在接上运行时之后失败两次。
+  所有数字都来自磁盘上的报告文件，每张表都标了出处；**没有一条是估算或外推**。
+</p>
+
+<div class="callout callout--warn">
+  <p class="eyebrow" style="color:var(--warn)">先读这一句</p>
+  <p class="small" style="margin:0">
+    这一页里**离线实验最好的数字（未知拒答 100.00%）不等于运行时可用**。它接上运行时之后
+    连续失败两次，最终被回退。把失败过程一起写出来，是因为它比成功更能说明这套机制到底卡在哪。
+  </p>
+</div>
+
+<!-- ================= 净变化 ================= -->
+<h2 class="h3">净变化一览</h2>
+<p class="small src">出处 · <code>V2_dpskw\NM2_VS_NM2_1.md</code>（该文件自述：所有数字均从磁盘上的评分卡 / JSON 读取，不是手工抄录）</p>
+
+<div class="tbl-wrap">
+<table class="dtable">
+  <thead><tr><th>轴</th><th>v2（原版）</th><th>NM2.1</th><th>净变化</th></tr></thead>
+  <tbody>
+    <tr><td>路由器 Top-1</td><td class="n">41.12%</td><td class="n acc">94.14%</td><td class="n acc">+53.02 pp</td></tr>
+    <tr><td>路由器 Recall@3</td><td class="n">46.73%</td><td class="n acc">96.48%</td><td class="n acc">+49.75 pp</td></tr>
+    <tr><td>未知拒答率</td><td class="n">0.00%</td><td class="n acc">100.00%</td><td class="n acc">+100.00 pp</td></tr>
+    <tr><td>未知问题泄漏（同形候选）</td><td class="n">75.00%</td><td class="n acc">0.00%</td><td class="n acc">−75.00 pp</td></tr>
+    <tr><td>一次写 20 条不同属性后存活</td><td class="n">12 / 20</td><td class="n acc">20 / 20</td><td class="n acc">+8 条</td></tr>
+    <tr><td>零字面重叠改写正确率</td><td class="n">43.75%</td><td class="n acc">68.75%</td><td class="n acc">+25.00 pp</td></tr>
+    <tr><td>hop 欠预测率</td><td class="n">4.68%</td><td class="n acc">0.00%</td><td class="n acc">−4.68 pp</td></tr>
+    <tr><td>参数量 / 每条记录地址字节</td><td class="n">2,037,774 / 512</td><td class="n">2,037,774 / 512</td><td class="n">不变</td></tr>
+  </tbody>
+</table>
+</div>
+<p class="tiny">
+  「未知拒答率」与「未知泄漏」是同一件事的两面：前者是问库里没有的属性时**正确说不知道**的比例，
+  后者是**照样编一个答案**的比例。v2 在这两轴上是 0% 和 75%，也就是几乎必然硬答。
+</p>
+
+<!-- ================= §1 检索与排序 ================= -->
+<h2 class="h3">一 · 路由器工件本身的检索与排序</h2>
+<p class="small src">出处 · <code>router_scorecard_final.json</code>（判定见 <code>router_verdict_final.json</code>）· 冻结 v6 评测集 21,920 条 / 10 类别</p>
+
+<div class="tbl-wrap">
+<table class="dtable">
+  <thead><tr><th>指标</th><th>v2 · <code>V2-128 deployed(v3)</code></th><th>NM2.1 · <code>REPLAY-128 v7 final</code></th></tr></thead>
+  <tbody>
+    <tr><td>Top-1 正确率</td><td class="n">41.12%</td><td class="n acc">94.14%</td></tr>
+    <tr><td>Recall@1</td><td class="n">37.03%</td><td class="n acc">88.58%</td></tr>
+    <tr><td>Recall@3</td><td class="n">46.73%</td><td class="n acc">96.48%</td></tr>
+    <tr><td>Recall@5</td><td class="n">48.91%</td><td class="n acc">97.15%</td></tr>
+    <tr><td>MRR</td><td class="n">47.69%</td><td class="n acc">95.77%</td></tr>
+    <tr><td>nDCG@3</td><td class="n">44.22%</td><td class="n acc">95.37%</td></tr>
+    <tr><td>多跳证据全中（Top-3）</td><td class="n">43.43%</td><td class="n acc">96.22%</td></tr>
+    <tr><td>多跳证据全中（仅多正例）</td><td class="n">37.15%</td><td class="n acc">95.45%</td></tr>
+    <tr><td>hop 正确率</td><td class="n">73.23%</td><td class="n acc">100.00%</td></tr>
+    <tr><td>hop 欠预测率</td><td class="n">4.68%</td><td class="n acc">0.00%</td></tr>
+  </tbody>
+</table>
+</div>
+
+<!-- ================= §2 拒答与仲裁 ================= -->
+<h2 class="h3">二 · 拒答与仲裁策略轴</h2>
+<p class="small src">出处 · <code>router_scorecard_final.json</code>（门槛 0.50）+ <code>threshold_sweep_check.json</code>（0.30–0.80 全门槛扫描）</p>
+
+<div class="tbl-wrap">
+<table class="dtable">
+  <thead><tr><th>指标</th><th>v2</th><th>NM2.1</th></tr></thead>
+  <tbody>
+    <tr><td>need F1</td><td class="n">89.58%</td><td class="n acc">100.00%</td></tr>
+    <tr><td>need 召回</td><td class="n">99.82%</td><td class="n acc">100.00%</td></tr>
+    <tr><td>need 精确率</td><td class="n">81.24%</td><td class="n acc">100.00%</td></tr>
+    <tr><td>未知拒答率</td><td class="n">0.00%</td><td class="n acc">100.00%</td></tr>
+    <tr><td>已知问题被误拒率</td><td class="n">0.18%</td><td class="n acc">0.00%</td></tr>
+    <tr><td>未知问题被误读率</td><td class="n">100.00%</td><td class="n acc">0.00%</td></tr>
+    <tr><td>仲裁准确率</td><td class="n">81.12%</td><td class="n acc">100.00%</td></tr>
+  </tbody>
+</table>
+</div>
+<p class="small">
+  <strong>门槛扫描是这里真正的证据。</strong>0.30 / 0.40 / 0.50 / 0.60 / 0.70 / 0.80 六个门槛逐一复核：
+  NM2.1 **全门槛通过**；而原版在**每一个**门槛上未知拒答率都是 0.00%，且门槛越高误拒越差
+  （0.00% → 1.32%）。一个能在整条门槛轴上都成立的结论，和一个只在某个阈值上成立的点，可信度不是一回事。
+</p>
+
+<!-- ================= §3 端到端 ================= -->
+<h2 class="h3">三 · 端到端整体记忆能力（同一份运行时，只有模型包不同）</h2>
+<p class="small src">出处 · <code>nm2_battery_comparison_final.json</code> · A 110 用例 / B 16 / C 48 / D 重启持久化</p>
+
+<div class="tbl-wrap">
+<table class="dtable">
+  <thead><tr><th>指标</th><th>原版 NM2</th><th>NM2.1（仅换路由器）</th><th>NM2.1 最终</th></tr></thead>
+  <tbody>
+    <tr><td>A 总体正确率</td><td class="n">89.09%</td><td class="n">88.18%</td><td class="n">88.18%</td></tr>
+    <tr><td>A <strong>可回答正确率</strong></td><td class="n">100.00%</td><td class="n">100.00%</td><td class="n acc">100.00%</td></tr>
+    <tr><td>A 未知拒答率</td><td class="n">60.00%</td><td class="n">56.67%</td><td class="n bad">56.67%</td></tr>
+    <tr><td>A 已知问题被误拒率</td><td class="n">0.00%</td><td class="n">0.00%</td><td class="n acc">0.00%</td></tr>
+    <tr><td>B 零字面重叠改写回答正确率</td><td class="n">43.75%</td><td class="n">68.75%</td><td class="n acc">68.75%</td></tr>
+    <tr><td>B 答成别的属性</td><td class="n">18.75%</td><td class="n">18.75%</td><td class="n">18.75%</td></tr>
+    <tr><td>B 触发读取</td><td class="n">56.25%</td><td class="n">93.75%</td><td class="n acc">93.75%</td></tr>
+    <tr><td>C 可回答正确率（24 同形候选）</td><td class="n">65.00%</td><td class="n">65.00%</td><td class="n acc">70.00%</td></tr>
+    <tr><td>C 答成别的属性</td><td class="n">35.00%</td><td class="n">35.00%</td><td class="n acc">27.50%</td></tr>
+    <tr><td>C <strong>未知泄漏率</strong></td><td class="n">75.00%</td><td class="n">75.00%</td><td class="n acc">0.00%</td></tr>
+    <tr><td>C 活跃记录 min / max</td><td class="n">23 / 24</td><td class="n">23 / 24</td><td class="n">23 / 24</td></tr>
+    <tr><td>D 重启后召回 / 作答 / 清理</td><td class="n">通过</td><td class="n">通过</td><td class="n acc">通过</td></tr>
+  </tbody>
+</table>
+</div>
+<p class="small">
+  <strong>运行间波动必须自己讲出来：</strong>B 段只有 16 个用例，1 个用例 = 6.25 pp。所以 B 的 68.75%
+  与另一次测得的 75.00% 属于同一水平的运行间波动，**不作为增益主张**。A / C / D 的结论在多次运行中一致。
+</p>
+
+<!-- ================= §4 零重叠 ================= -->
+<h2 class="h3">四 · 零字面重叠改写的泛化</h2>
+<p class="small src">出处 · <code>replay_check_zov.json</code>（路由器级）与上表 B / C 段（端到端）· 数据集 300 条、24 个<strong>未见过</strong>的问法</p>
+
+<div class="grid g2">
+  <div>
+    <div class="tbl-wrap">
+    <table class="dtable">
+      <thead><tr><th>指标</th><th>v2 权重</th><th>NM2.1 权重</th></tr></thead>
+      <tbody>
+        <tr><td>路由器 Top-1（250 条可回答）</td><td class="n">18.40%</td><td class="n acc">59.60%</td></tr>
+        <tr><td>路由器 Recall@3</td><td class="n">36.00%</td><td class="n acc">83.20%</td></tr>
+        <tr><td>路由器 MRR</td><td class="n">35.07%</td><td class="n acc">73.06%</td></tr>
+        <tr><td>端到端改写正确率（B 段）</td><td class="n">43.75%</td><td class="n acc">68.75%</td></tr>
+        <tr><td>端到端未知泄漏（C 段）</td><td class="n">75.00%</td><td class="n acc">0.00%</td></tr>
+      </tbody>
+    </table>
+    </div>
+  </div>
+  <div>
+    <p class="small" style="margin-top:0">
+      零重叠评测集有 24 条**同句式、不同属性**的候选，随机猜中的概率是 <strong>4.17%</strong>。
+      所以 59.60% 大约是随机水平的 <strong>14 倍</strong>。
+    </p>
+    <div class="kv">
+      <div class="kv__r"><span class="kv__k">数据集规模</span><span class="kv__v">300 条评测 / 24 个未见问法</span></div>
+      <div class="kv__r"><span class="kv__k">训练 / 留出划分</span><span class="kv__v">前 2 个改写训练（48）/ 第 3 个留出（24）</span></div>
+      <div class="kv__r"><span class="kv__k">两个划分共享的查询字符串</span><span class="kv__v">0</span></div>
+      <div class="kv__r"><span class="kv__k">查询与自身目标的重叠</span><span class="kv__v">0</span></div>
+      <div class="kv__r"><span class="kv__k">含「陷阱」候选的 episode</span><span class="kv__v">54.53%（生成器统计）</span></div>
+    </div>
+    <p class="tiny">
+      <strong>关键设计判断：</strong>改写与**无关**属性的字符重叠被刻意保留（命中错误候选只会得到错误答案，
+      让任务更难，不提供捷径）；真正必须为 0 的是与**自身**目标的重叠。最初把二者混为一谈时，
+      24 个属性里有 7 个因为「起床时间」的「时」、「办公城市」的「公」这类高频字被判为「无可用的改写」。
+    </p>
+  </div>
+</div>
+
+<!-- ================= §5 成本 ================= -->
+<h2 class="h3">五 · 代价：几乎没有</h2>
+<p class="small src">出处 · <code>router_scorecard_final.json</code>、<code>router_latency_bench_prod.json</code>（7 轮交错取中位数）</p>
+
+<div class="tbl-wrap">
+<table class="dtable">
+  <thead><tr><th>指标</th><th>v2</th><th>NM2.1</th><th>说明</th></tr></thead>
+  <tbody>
+    <tr><td>参数量</td><td class="n">2,037,774</td><td class="n">2,037,774</td><td class="small">未增加</td></tr>
+    <tr><td>每条记录地址字节</td><td class="n">512</td><td class="n">512</td><td class="small">存储几何未变</td></tr>
+    <tr><td>单查询延迟中位数（GPU）</td><td class="n">0.9549 ms</td><td class="n">0.9169 ms</td><td class="small">略快</td></tr>
+    <tr><td>批量 QPS（batch=64）</td><td class="n">66,037</td><td class="n acc">69,378</td><td class="small">+5.1%</td></tr>
+    <tr><td>批量 QPS（batch=256）</td><td class="n">207,287</td><td class="n acc">242,759</td><td class="small">+17.1%</td></tr>
+    <tr><td>模型包大小</td><td class="n">8.88 GB / 22 文件</td><td class="n">8.88 GB / 23 文件</td><td class="small">多出属性头 ~0.25 MB</td></tr>
+  </tbody>
+</table>
+</div>
+<p class="small">
+  <strong>交错基准（7 轮，消除顺序效应）：</strong>单查询中位数 1.4203 ms → 1.4242 ms，差 <strong>+0.28%</strong>。
+  同一轮里原版自身离散度就有 4.85% —— 也就是说这个差值小于测量噪声。
+  <strong>零重叠那一轮里 batch=64 的读数低 9.2%，但该轮离散度是 17.4%，且同架构同参数同 FLOPs 下 batch=256 反而更快，
+  方向不一致，判为测量噪声而非回归</strong>；这条也写在这里，因为把噪声当结论是这个领域最常见的错误。
+</p>
+
+<!-- ================= §6 鲁棒性 ================= -->
+<h2 class="h3">六 · 工程鲁棒性</h2>
+<div class="tbl-wrap">
+<table class="dtable">
+  <thead><tr><th>项目</th><th>v2</th><th>NM2.1</th></tr></thead>
+  <tbody>
+    <tr><td>一次写 20 条不同属性事实后存活</td><td class="n">12 / 20（8 条查询前被误删）</td><td class="n acc">20 / 20</td></tr>
+    <tr><td>端到端（写入修复前后，16 用例）</td><td class="n">37.50%</td><td class="n acc">68.75%</td></tr>
+    <tr><td>替换兼容性</td><td class="n">基线</td><td class="n acc">DROP-IN OK（16 / 16 键）</td></tr>
+    <tr><td>单元测试</td><td class="n">—</td><td class="n acc">52 项通过</td></tr>
+    <tr><td>未知问题泄漏（同形候选）</td><td class="n">75.00%</td><td class="n acc">0.00%</td></tr>
+  </tbody>
+</table>
+</div>
+
+<!-- ================= 三处改动 ================= -->
+<h2 class="h3">七 · 三处改动，每处都有测量依据</h2>
+
+<h3>改动 1 · 记录排序混合权重取 0.5</h3>
+<p class="small">
+  <code>memory_record_router_blend</code> 控制「打包的词面重排器」与「学习出的路由器」各占多少。
+  调这个之前先测了剂量曲线 —— 而且**此前的同进程测量因顺序污染已作废**，下面这版是独立进程测的。
+</p>
+<div id="nmBlend" class="dose"></div>
+
+<h3>改动 2 · 把加法先验参数化，然后测出「不该动」</h3>
+<p class="small">
+  假设是「加法先验压过了学习打分」。把它暴露成可调再测，结果**调小只会更差**：
+</p>
+<div id="nmPrior" class="dose"></div>
+<p class="small">
+  这是一个<strong>有价值的负面结论</strong>：它否定了原来的假设。项目里这类结论和增益一样被保留下来，
+  因为它们决定了后面不再往哪个方向投入。
+</p>
+
+<h3>改动 3 · 覆盖门 —— 以及为了让它真正生效必须一起修的两处</h3>
+<p class="small">
+  覆盖门本身很简单：先判断「这个提问在问哪个属性」，再查库里有没有这个属性。但单独加门是不生效的，
+  有两处**必须同时修**，否则门会被静默绕过：
+</p>
+<div class="lims">
+  <div class="lim"><span class="lim__i">01</span><div>
+    <h3 class="lim__t"><code>_build_text_prefix</code> 短路</h3>
+    <p class="lim__d">门拒绝之后如果继续往下回落，会走**旧版 16 槽注入路径**，把记忆又塞回去。
+      实测：不修这一处，泄漏只从 75.00% 降到 62.50%。</p></div></div>
+  <div class="lim"><span class="lim__i">02</span><div>
+    <h3 class="lim__t">闭包要动态解析 bank</h3>
+    <p class="lim__d"><code>reset_memory()</code> 每次都会新建 <code>memory_os_v2</code>；闭包捕获了旧引用的话，
+      门会永远看到一个空 bank，于是**静默旁路** —— 实测诊断输出 <code>applicable:0 / bypassed:1</code>。</p></div></div>
+  <div class="lim"><span class="lim__i">03</span><div>
+    <h3 class="lim__t">门必须自门控</h3>
+    <p class="lim__d">只有当库的属性集合填充了头部词表的 <strong>≥ 90%</strong> 时才让门生效。
+      这条阈值是必需的：放宽成「子集即可」会让门在通用套件上误判，
+      把 A 段可回答正确率从 100.00% 压到 92.50%、已知误拒升到 2.50%；收紧到 90% 后 A 段完全恢复，
+      C 段泄漏仍为 0.00%。</p></div></div>
+</div>
+
+<!-- ================= 写入路径 ================= -->
+<h2 class="h3">八 · 写入路径：为什么 20 条事实会互相销毁</h2>
+<p class="small src">出处 · <code>V2_dpskw\WRITE_PATH_FIX.md</code>（根因由栈追踪确证，非推断）</p>
+
+<div class="callout callout--warn">
+  <p class="eyebrow" style="color:var(--warn)">症状</p>
+  <p class="small" style="margin:0">
+    一次写入 20 条<strong>不同属性</strong>的事实后，库里有 20 条记录但只剩 <strong>12 条 active</strong>，
+    8 条在查询前就被 retract。16 个关键零重叠用例里有 8 个的目标记录已经不存在 ——
+    因此端到端正确率存在 <strong>50% 的硬上限</strong>。**任何排序器都救不回一条已经被删掉的记录。**
+  </p>
+</div>
+
+<p class="small">16 次 retract 的调用栈完全一致：</p>
+<div class="code">
+  <div class="code__bar"><span class="code__t">call stack</span></div>
+  <pre><code>eval_end_to_end_memory.py:106  write_fact
+ -> qwen_integration.py:3807   forward
+ -> qwen_integration.py:2195   _write_text_memory      &lt;-- retract 调用点
+ -> memory_os_v2.py:2578       MemoryOSV2.retract_record
+ -> memory_os_v2.py:1959       PagedMemoryBankV2.retract (status = retracted)</code></pre>
+</div>
+
+<p class="small">
+  <code>status_transition_summary == {"active-&gt;retracted": 16}</code>，无 superseded、无 quarantined，
+  20 次 <code>bank.write</code> 全部返回 <code>inserted</code> —— 写入路径的<strong>唯一</strong>销毁机制就是 2195 行的 retract。
+  授权条件 <code>confirmed_update</code> 在 20 次写入中为真 <strong>5 次</strong>，且全部只走「学习重排器
+  <code>learned_best &gt;= 0.95</code>」这一条：
+</p>
+
+<div class="tbl-wrap">
+<table class="dtable">
+  <thead><tr><th>写入序号</th><th>事实</th><th>learned_best</th><th>结果</th></tr></thead>
+  <tbody>
+    <tr><td class="n">2</td><td>出生城市</td><td class="n">0.998959</td><td>confirmed_update = True</td></tr>
+    <tr><td class="n">3</td><td>办公城市</td><td class="n">0.992638</td><td>confirmed_update = True</td></tr>
+    <tr><td class="n">9</td><td>工位楼层</td><td class="n">0.964987</td><td>confirmed_update = True</td></tr>
+    <tr><td class="n">12</td><td>手机尾号</td><td class="n">0.998516</td><td>confirmed_update = True</td></tr>
+    <tr><td class="n">15</td><td>办公楼层</td><td class="n">0.997487</td><td>confirmed_update = True</td></tr>
+  </tbody>
+</table>
+</div>
+
+<p class="small">
+  随后 2187–2197 的循环退掉 8 条：3 条走 <code>record.slot_index == slot</code>，5 条走
+  <code>score &gt;= 0.95 and shared &gt;= 2</code>；2196 行的 <code>break</code>（仅当 <code>score &lt; 0.98</code> 才停）
+  让写 #12 一次级联退掉 3 条、写 #15 退掉 2 条。被退掉的正是写 1/2/3/4/9/10/11/14 —— 16 条关键事实中的 8 条。
+</p>
+
+<div class="grid g3">
+  <div class="card">
+    <p class="rel__k">辅助事实 1</p>
+    <p class="rel__v">0 / 20</p>
+    <p class="rel__d"><code>exact_slots.numel() &gt; 0</code>（token 完全相同）一次都没命中 —— 精确重复路径与此无关。</p>
+  </div>
+  <div class="card">
+    <p class="rel__k">辅助事实 2</p>
+    <p class="rel__v">{2,3,5,6,7}</p>
+    <p class="rel__d"><code>shared &gt;= 2</code> 毫无区分力：19 个候选的 shared 全落在这个区间，因为每条事实都含「我的 / 是」模板词元。</p>
+  </div>
+  <div class="card card--warn">
+    <p class="rel__k">辅助事实 3</p>
+    <p class="rel__v">0.9985</p>
+    <p class="rel__d">190 个<strong>不相关</strong>属性对里有 10 个 ≥ 0.95，最高 0.9985（「常住城市」vs「出生城市」）。<strong>调阈值不可行</strong>：假阳性高达 0.9989，没有任何标量切点能分开「不相关属性」与「真更新」。</p>
+  </div>
+</div>
+
+<p class="small">
+  <strong>根因：</strong>retire 一条已存在记录的授权完全来自学习打分加一个固定 0.95 阈值，
+  没有任何「新文本与在位记录共享 <code>(entity, attribute)</code>」的<strong>结构性校验</strong>。
+</p>
+
+<h3>修复（两处，都是结构性的）</h3>
+<div class="lims">
+  <div class="lim"><span class="lim__i">01</span><div>
+    <h3 class="lim__t"><code>confirmed_update</code> 的两条打分类分支改为结构优先</h3>
+    <p class="lim__d">仅当候选文本的 <code>entity::attribute</code> 已经在库的
+      <code>active_by_conflict</code> 账本里存在（即确实是同一条事实的更新）才允许由打分授权；
+      <code>exact_slots</code> 这条结构安全的分支保持不变，以保留「重复写入幂等」的既有语义。</p></div></div>
+  <div class="lim"><span class="lim__i">02</span><div>
+    <h3 class="lim__t">retract 循环加冲突键守卫</h3>
+    <p class="lim__d"><code>if record.conflict_key() != candidate_conflict_key: continue</code> ——
+      循环只能退掉<strong>描述同一属性</strong>的记录，不再因「共享热槽」或「词面重叠高」销毁无关事实。</p></div></div>
+</div>
+<p class="small">
+  语义不受损：真·同属性更新本来就已经由 <code>PagedMemoryBankV2.write</code> 通过
+  <code>active_by_conflict</code> 做版本化（旧版本保留为 superseded、<code>version+1</code>），
+  修复只是移除了那条<strong>额外的、无监督的销毁路径</strong>。
+</p>
+
+<h3>四级验证</h3>
+<div class="tbl-wrap">
+<table class="dtable">
+  <thead><tr><th>级</th><th>检验</th><th>修复前</th><th>修复后</th></tr></thead>
+  <tbody>
+    <tr><td class="n">①</td><td><code>status_transition_summary</code></td><td class="n">{"active-&gt;retracted": 16}</td><td class="n acc">{}</td></tr>
+    <tr><td class="n">①</td><td><code>retraction_calls</code> / <code>status_counts</code></td><td class="n">16 次 / {retracted: 8, active: 12}</td><td class="n acc">[] / {active: 20}</td></tr>
+    <tr><td class="n">②</td><td>正对照：同属性改值</td><td class="n">—</td><td class="n acc">旧值 superseded + 新值 active，其余 19 属性不受影响，0 retract</td></tr>
+    <tr><td class="n">③</td><td>重排器缺席对照</td><td class="n">会踩死代码分支</td><td class="n acc">20 条全 active、0 retract</td></tr>
+    <tr><td class="n">④</td><td><code>target_record_active</code></td><td class="n">8 / 16</td><td class="n acc">16 / 16</td></tr>
+    <tr><td class="n">④</td><td><code>target_record_retracted_or_absent</code></td><td class="n">8</td><td class="n acc">0</td></tr>
+    <tr><td class="n">④</td><td><code>active_records_min / max</code></td><td class="n">12 / 12</td><td class="n acc">20 / 20</td></tr>
+    <tr><td class="n">④</td><td>probe 口径回答正确率</td><td class="n">25.00%（4 / 16）</td><td class="n acc">43.75%（7 / 16）</td></tr>
+  </tbody>
+</table>
+</div>
+
+<p class="small"><strong>端到端效果</strong>（官方 harness，16 个零重叠用例）：</p>
+<div class="tbl-wrap">
+<table class="dtable">
+  <thead><tr><th>路由器</th><th>修复前</th><th>修复后</th><th>答成别的属性</th></tr></thead>
+  <tbody>
+    <tr><td>deployed（原版 NM2）</td><td class="n">25.00%</td><td class="n acc">50.00%（+25.00 pp）</td><td class="n">18.75% → 12.50%</td></tr>
+    <tr><td>V2-128-v6</td><td class="n">37.50%</td><td class="n acc">68.75%（+31.25 pp）</td><td class="n">25.00% → 18.75%</td></tr>
+    <tr><td>REPLAY-128</td><td class="n">37.50%</td><td class="n acc">68.75%（+31.25 pp）</td><td class="n">25.00% → 18.75%</td></tr>
+  </tbody>
+</table>
+</div>
+<p class="tiny">
+  <strong>一个诚实的补充：</strong>这 16 个用例里 <strong>93.75% 的读取仍走旧版 16 槽路径</strong>而非 V2 库记录，
+  地址命中 0 / 16。写入路径的修复解除了 50% 的硬上限，但「V2 库记录真正参与读取」这一项仍未解决。
+</p>
+
+<!-- ================= 未知拒答 ================= -->
+<h2 class="h3">九 · 未知拒答：从 75% 泄漏到 100% 拒答</h2>
+<p class="small src">出处 · <code>V2_dpskw\ABSTENTION_BREAKTHROUGH.md</code></p>
+
+<p class="lede2">
+  这是整个项目最差的一个数字：问库里不存在的属性时，75% 的情况下模型照样编一个答案。
+  下面按「先排除一整类无效修法 → 再给出有效机制 → 最后如实记录接上运行时的两次失败」来写。
+</p>
+
+<h3>9.1 先排除掉一整类无效修法（有测量支撑）</h3>
+<p class="small">
+  最直觉的修法是「检索分数不够高就拒答」。用<strong>只在训练集拟合、评测集算 AUC</strong> 的口径，
+  测了四种打分器的分数几何（top1 / margin / top-k 均值 / 离散度 / 熵 / 近邻数，共 9 个特征）：
+</p>
+<div class="tbl-wrap">
+<table class="dtable">
+  <thead><tr><th>打分器</th><th>最佳单特征 AUC</th><th>拟合头 AUC（评测集）</th></tr></thead>
+  <tbody>
+    <tr><td>cosine（冻结键余弦）</td><td class="n">0.6257（margin）</td><td class="n">0.6086</td></tr>
+    <tr><td>打包 <code>text_retriever</code></td><td class="n">0.6076（margin）</td><td class="n bad">0.4752</td></tr>
+    <tr><td>50/50 混合</td><td class="n">0.5446</td><td class="n">0.5062</td></tr>
+    <tr><td>训练过的路由器</td><td class="n">0.5711</td><td class="n">0.5130</td></tr>
+  </tbody>
+</table>
+</div>
+<p class="small">
+  操作点同样不可用：混合打分器想标出 22% 的未知要误拒 <strong>28.40%</strong> 的可回答问题；
+  cosine 想标出 46% 要误拒 <strong>30.00%</strong>。
+  <strong>结论：75% 的泄漏不可能靠分数阈值或分数上的分类头修好。</strong>
+  这不是调参空间不够，而是这个信号根本不存在 —— 24 条同句式候选对任何提问都「一样像」。
+</p>
+
+<h3>9.2 有效的机制：先判「问的是哪个属性」，再查库里有没有</h3>
+<p class="small">
+  换一个问题问就成立了：不是「有没有候选匹配得好」，而是「这个提问在问哪个属性，这个属性在库里吗」。
+</p>
+<div class="grid g2">
+  <div>
+    <div class="tbl-wrap">
+    <table class="dtable">
+      <thead><tr><th>封闭词表</th><th>值</th></tr></thead>
+      <tbody>
+        <tr><td>可回答 episode 中「预测属性在候选集内」</td><td class="n acc">100.00%（250 条）</td></tr>
+        <tr><td>未知 episode 中「预测属性在候选集内」</td><td class="n acc">0.00%（50 条）</td></tr>
+        <tr><td><strong>未知拒答率</strong></td><td class="n acc">100.00%</td></tr>
+        <tr><td><strong>已知问题被误拒率</strong></td><td class="n acc">0.00%</td></tr>
+        <tr><td>混淆矩阵</td><td class="n">tp=50 fn=0 fp=0 tn=250</td></tr>
+      </tbody>
+    </table>
+    </div>
+  </div>
+  <div>
+    <p class="small" style="margin-top:0">
+      <strong>开放集：</strong>真实用户会问模型没见过的属性。只靠最大概率调阈值不够 ——
+      实测<strong>没有拒绝选项时，从未见过的属性 100.00% 会被认成某个存在的属性</strong>。
+      所以改成<strong>显式训练一个 NONE 类</strong>：词表取 12 个属性，另取 6 个词表外属性的真实提问作为 NONE 的负样本，
+      最后用<strong>第三组、与两者都不相交的 6 个全新属性</strong>做测试。
+    </p>
+    <div class="kv">
+      <div class="kv__r"><span class="kv__k">词表内属性识别（133 条未见改写）</span><span class="kv__v">100.00%</span></div>
+      <div class="kv__r"><span class="kv__k">从未见过的属性被拒绝（52 条）</span><span class="kv__v">100.00%</span></div>
+      <div class="kv__r"><span class="kv__k">已知问题被误拒率</span><span class="kv__v">0.00%</span></div>
+      <div class="kv__r"><span class="kv__k">随机基线（13 类）</span><span class="kv__v">7.69%</span></div>
+    </div>
+    <p class="tiny">
+      运行时规则只有三步，全部可审计、无阈值调参：① 属性分类头读提问的冻结键 → 输出某个属性或 NONE；
+      ② 若为 NONE → 拒绝；③ 若为某属性 → 查库的活跃属性集合是否包含它，不含 → 拒绝。
+    </p>
+  </div>
+</div>
+
+<h3>9.3 接上运行时：连续失败两次（如实记录）</h3>
+<div class="tbl-wrap">
+<table class="dtable">
+  <thead><tr><th>指标</th><th>NM2.1（无门）</th><th>+ 覆盖门（第一轮）</th><th>+ 门 + 短路（第二轮）</th></tr></thead>
+  <tbody>
+    <tr><td>A 可回答正确率</td><td class="n acc">100.00%</td><td class="n bad">6.25%</td><td class="n bad">0.00%</td></tr>
+    <tr><td>A 已知问题被误拒率</td><td class="n acc">0.00%</td><td class="n bad">7.50%</td><td class="n bad">7.50%</td></tr>
+    <tr><td>A 未知拒答率</td><td class="n">56.67%</td><td class="n">43.33%</td><td class="n">—</td></tr>
+    <tr><td>C 未知泄漏率</td><td class="n bad">75.00%</td><td class="n">62.50%</td><td class="n acc">0.00%</td></tr>
+    <tr><td>C 可回答正确率</td><td class="n">65.00%</td><td class="n">65.00%</td><td class="n">65.00%</td></tr>
+  </tbody>
+</table>
+</div>
+<p class="small">
+  第一轮：<strong>门把几乎全部可回答问题都拒掉了</strong>（100.00% → 6.25%），而它本该修好的 C 段泄漏只从 75.00% 降到 62.50%。
+  第二轮定位到真正的机制缺口 —— <code>read()</code> 返回空记录后不会停止，<code>_build_text_prefix</code>
+  会继续落到旧版 16 槽注入路径把无关记忆又塞回去。加了短路之后，<strong>C 段泄漏真的到了 0.00%、可回答正确率无损</strong>，
+  但 A 段崩到 0.00%。
+</p>
+<p class="small">
+  <strong>A 段崩掉的原因已测定：</strong>段事实里 94.03% 是「这是普通对话噪声…不需要长期保存」，
+  只有 5.97%（63 / 1056）能解析出属性；更关键的是 <strong>A 段的属性空间完全不在属性头训练的 24 个属性之内</strong>，
+  头对 A 的提问只能输出那 24 个之一 → 必然不在库里 → 门把一切都拒掉。
+  <strong>也就是说：这个机制目前是「域内可用、跨域不可用」。</strong>
+</p>
+<p class="small">
+  结论：已把 NM2.1 的 <code>memory_coverage_gate</code> 改回 <code>false</code>，恢复为已验证的可用状态。
+  属性头工件保留在 <code>checkpoints/memory_attribute_head/</code>，<strong>未随包启用</strong>。
+  正确的最终形态是<strong>开放词表的属性匹配</strong>（把提问与库里真实存在的属性名做匹配，词表随写入动态变化），
+  而不是 24 类闭集分类头。
+</p>
+
+<div class="callout callout--warn">
+  <p class="eyebrow" style="color:var(--warn)">这一节最该记住的一句</p>
+  <p class="small" style="margin:0">
+    离线 100.00% / 0.00% 是真实的，但它只证明了机制在「裸提问键 + 24 个可解析属性」这个条件下成立，
+    <strong>并不等于接上运行时就能用</strong>。这一点必须在任何对外表述里讲清楚。
+  </p>
+</div>
+
+<!-- ================= 负面结论 ================= -->
+<h2 class="h3">十 · 关键负面结论：路由器排序不影响端到端答案</h2>
+<p class="small src">出处 · <code>V2_dpskw\ZERO_OVERLAP_FINDINGS.md</code> §5</p>
+
+<p class="small">
+  NM2.1 的路由器在零重叠集合上 Top-1 提升了 <strong>41.20 pp</strong>，但在
+  <code>eval_router_critical_e2e.py</code>（16 个零重叠用例）上，REPLAY-128 与 V2-128-v6 的结果
+  <strong>逐位相同</strong>（默认 Top-K：37.50% / 37.50%，答成别的属性 25.00% / 25.00%，平均选中记录 5.88 / 5.88）。
+</p>
+<p class="small">
+  于是做了一个<strong>判决性实验</strong>：保留 <code>need_memory</code> / <code>hop_controller</code> / <code>head_gate</code>
+  全部原权重，只把排序通路（<code>query_projection</code>、<code>key_projection</code>、<code>pair_scorer</code>）
+  替换为同形状<strong>随机权重</strong>。结果在默认 Top-K 与 Top-K=1 下<strong>都完全不变</strong>。
+</p>
+<div class="lims">
+  <div class="lim"><span class="lim__i">01</span><div>
+    <h3 class="lim__t"><code>memory_os_v2.py:1671</code>：路由器分数被逐位置覆盖</h3>
+    <p class="lim__d">带 <code>semantic_key</code> 的记录，其 <code>_score_candidates()</code> 分数会被
+      <code>self.record_scorer</code> 覆盖。实测残差与 <code>text_retriever</code> 匹配 18 / 18，
+      与 <code>memory_router_v2</code> 匹配 0 / 18。</p></div></div>
+  <div class="lim"><span class="lim__i">02</span><div>
+    <h3 class="lim__t">「部署目录没有 <code>text_retriever.pt</code> 所以走余弦兜底」是错的</h3>
+    <p class="lim__d">重排器被烘焙进合并包（safetensors 内有 6 个
+      <code>dynamic_memory.text_retriever.*</code> 张量，1,573,377 参数），<code>_text_retriever_ready</code>
+      实测为 <strong>True</strong>，余弦兜底分支根本不执行。</p></div></div>
+  <div class="lim"><span class="lim__i">03</span><div>
+    <h3 class="lim__t">路由器在此配置下唯一实际生效的杠杆是 <code>need_memory</code> 门</h3>
+    <p class="lim__d">部署权重下门开启率 <strong>68.75%</strong>（11 / 16），而三份随机初始化的路由器只有
+      <strong>37.5%</strong>（6 / 16）。判决性探针只随机化了排序通路、保留了门控头，所以「端到端零变化」
+      是由构造保证的，不是巧合。</p></div></div>
+</div>
+<p class="small">
+  <strong>结论分两层，不要混为一谈：</strong>① 路由器记分卡上 22 / 22 的统治性和 +41.20 pp 的零重叠提升，
+  都是路由器工件<strong>真实</strong>的增益；② 但在这套运行时里，记录级顺序由打包的 <code>text_retriever</code> 决定，
+  路由器分数被覆盖，且相当比例的读取根本不走 V2 库、目标记录还会被写入路径删除。
+  所以<strong>路由器增益不会传递到最终答案</strong>。
+</p>
+
+<!-- ================= 仍未解决 ================= -->
+<h2 class="h3">十一 · 仍未解决（不粉饰）</h2>
+<div class="tbl-wrap">
+<table class="dtable">
+  <thead><tr><th>短板</th><th>现状</th><th>说明</th></tr></thead>
+  <tbody>
+    <tr><td>跨域未知拒答</td><td class="n bad">未解决</td><td class="small">覆盖头是 24 类闭集，只在其词表被库填充 ≥ 90% 时生效；开放词表的属性匹配实测仅 <strong>49.20% Top-1 / AUC 0.6560</strong>（零训练），不足</td></tr>
+    <tr><td>答成别的属性</td><td class="n">27.50%</td><td class="small">同形候选间排序仍不理想；已排除先验重加权（更差）与单纯替换打分器（更差）</td></tr>
+    <tr><td>A 段未知拒答率</td><td class="n">56.67%</td><td class="small">未见改善</td></tr>
+    <tr><td>规模验证</td><td class="n bad">未做</td><td class="small">仅 24 属性 / 300 条评测；生产需上千属性、上万改写问法</td></tr>
+    <tr><td>V2 库记录真正参与读取</td><td class="n bad">未解决</td><td class="small">16 个关键用例里 93.75% 仍走旧版 16 槽路径，地址命中 0 / 16</td></tr>
+    <tr><td>通用能力回归套件</td><td class="n bad">未跑</td><td class="small"><code>eval_general_capability.py</code> 依赖的 <code>comprehensive_general.jsonl</code> 不存在</td></tr>
+  </tbody>
+</table>
+</div>
+
+<!-- ================= 复现 ================= -->
+<h2 class="h3">十二 · 复现</h2>
+<div class="code">
+  <div class="code__bar">
+    <span class="code__t">PowerShell · 整体电池（A / B / C / D 四段）</span>
+    <button class="copy" id="nmCopy" type="button">复制</button>
+  </div>
+  <pre><code id="nmCmd">$env:PYTHONPATH='H:\Memory'; $env:PYTHONIOENCODING='utf-8'; cd H:\Memory\V2_dpskw
+
+# 整体电池（A/B/C/D 四段）
+pwsh -NoProfile -File .\run_nm2_battery.ps1 -Package qwen3_5_4b_natural_memory_v2_1 `
+  -Label 'NM2.1 最终' -Tag 'nm2_1_final' -PerCategory 10 -OverlapCases 48 -Blends '0.5'
+
+# 三代对照表
+& 'C:\Users\Administrator\miniconda3\envs\LLM\python.exe' -m V2_dpskw.compare_nm2_batteries `
+  --tag "原版NM2=nm2_orig" --tag "NM2.1=nm2_1" --tag "NM2.1最终=nm2_1_final"
+
+# 门的适用性诊断（确认 applicable/bypassed，避免静默旁路）
+& 'C:\Users\Administrator\miniconda3\envs\LLM\python.exe' -m V2_dpskw.diagnose_coverage_gate `
+  --package qwen3_5_4b_natural_memory_v2_1</code></pre>
+</div>
+
+<p class="small" style="margin-top:var(--sp-2xl)">
+  台账式的逐条原文在 <a class="linku" href="./ledger">真实评测台账</a>；
+  v2 的正式脏数据迁移测试在 <a class="linku" href="./results">测量结果</a>。
+</p>
@@ -0,0 +1,37 @@
+<p class="lede2">
+  正式脏数据迁移测试的完整命令与产物路径。协议参数与批次之间的差异见下方说明——
+  <strong>复现同一批次才能得到同一组数字</strong>。
+</p>
+<div class="grid g-2-1" >
+  <div class="code">
+    <div class="code__bar">
+      <span class="code__t">PowerShell · 工作目录 <span id="cwd"></span></span>
+      <button class="copy" id="copyBtn" type="button">复制命令</button>
+    </div>
+    <pre><code id="cmdBlock"></code></pre>
+  </div>
+  <div>
+    <div class="kv" id="files"></div>
+    <div class="card card--flat" >
+      <p class="eyebrow" >PROTOCOL</p>
+      <div class="flow__meta" style="padding:0; border:0">
+        <div><span>基座模型</span><b id="pBase"></b></div>
+        <div><span>量化</span><b>4-bit NF4</b></div>
+        <div><span>解码</span><b>greedy</b></div>
+        <div><span>最大新生成</span><b>64 token</b></div>
+        <div><span>进程显存上限</span><b>10 GiB</b></div>
+        <div><span>记忆读取上限</span><b>2 records</b></div>
+        <div><span>地址编码</span><b>batch size 1</b></div>
+      </div>
+    </div>
+  </div>
+</div>
+<div class="callout" >
+  <p class="callout__t">两个批次的差别</p>
+  <p class="callout__b">
+    上面的命令复现的是批次 A（对外技术总结采用的口径，可答题 154/246）。
+    批次 B 来自同目录的 <code>dirty_real_corpus_compare_4b_router_final.json</code>，
+    是接入记忆路由器之后的另一次运行（可答题 203/246）。两次运行的配置不同，
+    <strong>因此它们的分数不能平均、不能合并，也不能互相替代</strong>。
+  </p>
+</div>
@@ -0,0 +1,12 @@
+<p class="lede2">
+  三个面板对应三组不同的题集与口径，<strong>不能合并成一个总分</strong>。
+  面板一是同一题集先后跑的两个独立批次（配置不同、分数不可合并，只能并列读）；
+  面板二是结构化工程基准；面板三是记忆路由器工程线。每组数据都标注了出处、日期与口径。
+</p>
+<p class="small" style="max-width:80ch">
+  读这些数字时请留意两件事：<strong>所有对照都使用同一 tokenizer、同一 greedy 解码、同一 64 token 输出上限</strong>；
+  而<strong>检索召回率与回答正确率是两个必须分开报告的量</strong>——这一点在面板一里体现得最清楚。
+</p>
+
+<div class="tabs reveal" id="resultTabs" role="tablist" ></div>
+<div id="resultPanels" ></div>
@@ -0,0 +1,8 @@
+<p class="lede2">
+  左侧是在 12 GiB GPU 上已经跑通的闭环；右侧是按<strong>对正确率最有帮助的顺序</strong>排出的下一阶段工程任务。
+  这里刻意不写时间表——顺序比日期更可信。
+</p>
+<h2 class="h3" >已经解决的问题</h2>
+<div class="checks" id="solved" ></div>
+<h2 class="h3" >下一阶段的工程任务</h2>
+<div class="road" id="roadmap-list" ></div>