12-EFT.WP.Methods.Repro v1.0 | 第8章 基准套与评分

目录 ／ 文档-技术白皮书（V5.05） ／ 12-EFT.WP.Methods.Repro v1.0

第8章 基准套与评分

I. 范围与目标

1. 定义复现评估所需的基准套结构、运行口径与评分函数，为不同站点与版本提供统一可比的度量与通过门。
2. 产出包括：
   • 基准用例类型与清单格式，含确定性/统计/谱向三类最小集。
   • 评分合成函数与门限体系，核心度量 delta_rep，R_coef，delta_psd，R_spectrum，r_tb。
   • 运行与采样规则、置信评估、发布报表字段，与 PipelineCard/ParamCard 的绑定流程。

II. 术语与符号

• delta_rep = ( norm( y_new - y_ref ) / max( norm( y_ref ), eps_floor ) )，复现结果相对差异。
• R_coef = 1 - delta_rep，复现系数。
• S_xx(f) 功率谱密度；U_w 窗口能量；ENBW 等效噪声带宽。
• delta_psd 谱差异度（见本章 S32-21）；R_spectrum = 1 - delta_psd。
• r_tb 时基残差；alpha,beta 满足 ts = alpha + beta * tau_mono。
• gate.rep 复现通过门；tau_psd 谱门限；tau_tb 时基门限。
• 冲突名：T_fil 与 T_trans 不可混用；n 与 n_eff 严格区分；若声明 T_arr，两口径并行并发布 delta_form。

III. 公设与最小方程

1. P31-15 基准可移植公设
   在 EnvLock 有效、PipelineCard 与 ParamCard 完整匹配时，跨站点运行的基准统计量满足同分布一致性，偏差以 delta_rep 与 delta_psd 约束。
2. S32-20 评分合成主式
   • score = w1 * R_coef + w2 * R_spectrum + w3 * R_timebase + w4 * R_stability
   • 其中 w1 + w2 + w3 + w4 = 1，且
     R_timebase = max( 0 , 1 - ( r_tb / tau_tb ) )；
     R_stability = pass_rate( checks )（见第 VI 节），取值区间 [0,1]。
3. S32-21 谱差异度定义（对数域 L2 口径）
   • 令 L_x(f) = 10 * log10( S_xx(f) )，L_y(f) = 10 * log10( S_yy(f) )，加权函数 w(f) 满足 ( ∫ w(f) df ) = 1，则
     delta_psd = ( ∫ w(f) * ( L_x(f) - L_y(f) )^2 df )^(1/2)。
   • 推荐 w(f) ∝ ( W(f)^2 / ENBW )，其中 W(f) 为窗口频响。
4. S32-22 置信评估与门限决策
   令自助采样得到 delta_rep 的置信上界 delta_rep^+ 与 delta_psd^+，则通过条件
   delta_rep^+ <= gate.rep 且 delta_psd^+ <= tau_psd 且 r_tb <= tau_tb。

IV. 基准套与清单口径

1. 最小基准集（每类至少 1 个用例）
   • 确定性类
     固定 seed 与输入，预期 delta_rep → 0；覆盖边界条件、路径 gamma(ell) 与算子链的确定性重放。
   • 统计类
     随机源开启，比较分布性统计（均值、方差、分位数），以 delta_rep 的分布与 R_coef 的置信区间评估。
   • 谱向类
     对时序或场量评估 S_xx(f) 一致性，计算 delta_psd 与 R_spectrum；窗口需报告 U_w 与 ENBW。
2. 基准清单字段（入湖最小集）
   benchmark.id，schema.version，category ∈ {deterministic, statistical, spectral}，inputs，reference.uri/hash，window，rng，paths:[ gamma(ell) ]（若涉及路径积分），metrics = { delta_rep, R_coef, delta_psd, R_spectrum, r_tb }，gates = { gate.rep, tau_psd, tau_tb }，notes。
3. 到达时两口径（若用例声明 T_arr）
   并行报告
   T_arr = ( 1 / c_ref ) * ( ∫ n_eff d ell ) 与 T_arr = ( ∫ ( n_eff / c_ref ) d ell )，并发布 delta_form 与路径 gamma(ell)、测度 d ell 清单。

V. 算法与实现绑定

1. I30-3 run_benchmark_suite(card:dict) -> BenchReport
   • 解析基准清单与 RunPlan，对每用例运行 N 次（统计类要求 N >= N_min）。
   • 采集输出，计算 delta_rep，R_coef，调用 I30-7 计算 delta_psd。
   • 估计 r_tb（见第6章），生成单用例报告与合成 score。
2. I30-4 verify_reproduction(golden:any, candidate:any, metrics:dict) -> RepReport
   • 对齐时基 ts = alpha + beta * tau_mono；
   • 计算 delta_rep 与 delta_psd 的置信上界；
   • 输出 pass:bool 与门限对照。
3. I30-7 compare_psd(x:any, y:any, window:dict) -> { delta_psd:float, pass:bool }
   • 估计 S_xx(f) 与 S_yy(f)，校核 U_w 与 ENBW；
   • 依据 S32-21 计算 delta_psd 并与 tau_psd 比较。

VI. 计量流程与运行图

1. Mx-42 benchmark-plan
   • 选取基准清单与 PipelineCard 绑定；
   • 校核 EnvLock 与 ParamCard；
   • 生成 RunPlan 并预置 TS.* 观测点。
2. Mx-43 execute-and-measure
   • 逐用例执行，记录 TS.* 与输出轨迹；
   • 计算 delta_rep，R_coef，delta_psd，r_tb；
   • 执行稳定性检查集 checks = { monotonicity, bounds, mass_conservation, jitter }，得到 R_stability = pass_rate( checks )。
3. Mx-44 score-and-publish
   • 合成 score 与置信区间，判定 pass；
   • 生成 BenchReport 与可验证签名，入湖归档。

VII. 验证与测试矩阵

1. 最小必测
   • 确定性回放：相同 seed 与输入，要求 delta_rep <= gate.rep。
   • 谱一致性：固定窗口，delta_psd <= tau_psd，同时校核 var( x ) ≈ ( ∫ S_xx(f) df )。
   • 时基门：r_tb <= tau_tb。
2. 边界与极端
   • 窗口泄漏极端（退化 U_w 或异常 ENBW）应触发 E_WINDOW_INVALID（由实现绑定抛出）。
   • 低信噪比段落应提升 w(f) 的稳健性（如频带屏蔽），并在报告中列出屏蔽清单。
3. 统计功效
   令单次方差估计为 s^2，样本数 N 满足 N >= ceil( z_{1-β}^2 * s^2 / tau^2 )，其中 tau 为目标精度，β 为 II 类错误率上限。

VIII. 报表字段与可视化

1. report = { suite.id, schema.version, runs:[ ... ], metrics:{ delta_rep, R_coef, delta_psd, R_spectrum, r_tb, R_timebase, R_stability, score }, gates:{ gate.rep, tau_psd, tau_tb }, confint:{ delta_rep:[lo,hi], delta_psd:[lo,hi] }, windows:{ U_w, ENBW, w(f) }, timebase:{ alpha, beta }, arrival:{ delta_form?, paths? } }
2. 可视化建议
   • 误差条对比 R_coef 与 R_spectrum；
   • 对数域 L_x(f) 与 L_y(f) 叠加曲线及残差；
   • 时基对齐前后散点与线性拟合残差分布。

IX. 交叉引用与依赖

• 《Core.Metrology》：S_xx(f) 估计、窗口 U_w 与 ENBW、不确定度口径。
• 《Core.Threads》：运行期 TS.* 观测、hb 与 bp。
• 第5章 EnvLock；第6章 时基与随机性；第7章 PipelineCard/ParamCard；第12章 验收与发布。

X. 风险、限制与开放问题

• 风险
  频带选择导致评分偏置；窗口不当引入谱泄漏；跨设备微分时基漂移低估 delta_psd。
• 限制
  高维输出的 delta_rep 需要分块或特征化处理，否则掩盖局部失配；w(f) 的经验选取对结果敏感。
• 开放问题
  自适应权重 w1..w4 的学习与域适配；跨域谱基准的标准频带；带有到达时两口径 T_arr 的多路径融合与 delta_form 的分解归因。