48-实验协议卡 Template v1.0 | 第11章 结果页与对比评分（协议产出）

目录 ／ 文档-技术白皮书 ／ 48-实验协议卡 Template v1.0

第11章 结果页与对比评分（协议产出）

I. 目的与范围（Purpose & Scope）

• 规范协议产出页（Results Page）的必填字段、指标口径、图表规范与评分卡导出，用于对比基线并支撑发布审校。
• 适用：timing / imaging / spectral / mixed。涉及路径量（到达时/相位）时，正文显式 gamma(ell) 与测度 d ell，并在数据/元数据记录 delta_form ∈ {general, factored}。

II. 结果页必填（Required Items）

1. 方法与数据标识：dataset_id、method_id、baseline_id、版本（SemVer）、随机种子、观测时间窗。
2. 核心指标（Primary Metrics）：
   • 到达时残差 ΔT_arr (s)：T_arr(obs) − T_arr(ref)，报告 mean±U(k) 与直方/核密度。
   • 相位一致性 r_phi (1)：corr(Phi_ref, Phi_obs)，区间用 Fisher–z 变换后还原。
   • 近轴守恒误差 ε_flux (1)：→ 0 @ O(θ^2)。
   • 量纲闭合率 p_dim (1)：通过率。
   • 稳健残差指标 Q_res (1)：越小越好（稳健分位差或 Huber 代理）。
3. 次级指标（Secondary Metrics）：质量守恒偏差 ΔM、相干窗适配度 κ_coh 等。
4. 到达时/相位统一口径（展示）：
   • T_arr = ( 1 / c_ref ) * ( ∫ n_eff d ell ) 或 T_arr = ( ∫ ( n_eff / c_ref ) d ell )；
   • Phi = ( 2π / λ_ref ) * ( ∫ n_eff d ell )；正文显式 gamma(ell) 与 d ell。
5. 合规模块：check_dim_report.json 摘要、anchor_coverage、ver_presence、clock_state、τ_calib。

III. 对比与评分（Comparators & Scoring）

1. 基准与对照：给出 baseline_id/version、数据切分与分层（batch/device/region）。
2. 成对比较：按 record_id 计算 Δm = m_method − m_base；核心指标用配对或置换检验；多重比较用 FDR ≤ 0.1。
3. 标准化与映射：
   • Z-规范化：z_m = ( m − m_baseline ) / σ_baseline；
   • Sigmoid 得分：q_m = 1 / ( 1 + exp( a z_m + b ) )（默认 a=1, b=0，必要时方向取反）。
4. 组合总分：Q = ( ∑_i w_i q_{m_i} ) / ( ∑_i w_i )；w_i 在评测清单中固定。
5. 判定门槛（与第8章对齐）：
   • 阳性：核心门全部过阈（如 |ΔT_arr| ≤ τ_T、r_phi ≥ 0.6、p_dim = 1.0），且 Q ≥ Q_base + δQ_min；
   • 阴性：任一核心门失败或引用/量纲不合规。

IV. 可视化规范（Visualization Standards）

• 总览板：ΔT_arr 分布（直方/核密度）、r_phi 柱状+区间、ε_flux 箱线、Q_res 趋势、p_dim 仪表。
• 一致性与残差：残差–拟合图、Bland–Altman 图；相位散点 Phi_obs vs Phi_ref（含 y=x 与区间带）。
• 路径与几何：n_eff(ell)–ell 剖面，图注注明 Δell 与 delta_form；近轴守恒热图与 ε_flux 等高线。
• 误差条与区间：均值/中位数配 ±U(k) 或分位带，标注 k 或置信水平。
• 图表导出：矢量（PDF/SVG）+位图（PNG）双份；图注含 see[] 与 version；轴单位显式（s, rad, 1）。

V. 评分卡导出（Scorecard Export）

• 字段：method_id, baseline_id, dataset_id, metrics{ΔT_arr,r_phi,ε_flux,p_dim,Q_res,...}, score.Q, tests{paired,perm,FDR}, seeds, references[], version。
• 示例（JSON）：

{

"version": "1.0.0",

"dataset_id": "ptn-demo",

"baseline": { "id": "base-001", "version": "1.2.3" },

"method": { "id": "mA-010", "version": "2.0.0" },

"metrics": {

"DeltaT_arr_s": { "mean": -2.3e-9, "std": 4.8e-9, "U_k2": 1.5e-9 },

"r_phi": { "value": 0.72, "ci95": [0.61, 0.80] },

"epsilon_flux": { "median": 0.004, "p95": 0.011 },

"p_dim": 1.0,

"Q_res": 0.13

},

"score": { "Q": 0.78 },

"tests": {

"paired": { "DeltaT_arr": { "p_perm": 0.004, "B": 10000 } },

"FDR": 0.08

},

"see": [

"EFT.WP.Core.Equations v1.1:S20-1",

"EFT.WP.Core.Metrology v1.0:check_dim",

"Data.Benchmarks v1.0:PROTO"

],

"version_lock": true

}

VI. 发布包与合规（Release Bundle & Compliance）

• 必交付：scorecard.json、results.md、图表包（PDF/PNG）、check_dim_report.json、quality_report.json、audit.jsonl。
• 一致性：正文与导出 see[]/references[]/version 一致；锚点直指率 ≥ 90%；外链与别名禁止。
• 限制模式：触发第8章 S1–S5 时，全部图表标题追加 [Restricted]，仅发布定性趋势与诊断图。

VII. 机读配置（Machine-Readable）
A. bench_score.yaml（接口契约）

version: "1.0.0"

call: "I90-bench_score"

inputs:

results: "PTN_EXPORT/results.parquet"

baseline: "PTN_EXPORT/baseline.parquet"

metrics: ["DeltaT_arr_s","r_phi","epsilon_flux","p_dim","Q_res"]

weights: { DeltaT_arr_s: 0.35, r_phi: 0.25, epsilon_flux: 0.15, p_dim: 0.15, Q_res: 0.10 }

thresholds:

tau_T_s: "3*u(T_arr)"

r_phi_min: 0.6

flux_ok: "≈0@O(theta^2)"

p_dim: 1.0

mapping:

type: "sigmoid"

a: 1.0

b: 0.0

exports:

files: ["scorecard.json","results.md","figs/*.pdf","reports/check_dim_report.json"]

VIII. 引用与版本（Citations & Versioning）

• 固定写法：见《<卷名> vX.Y》<章节> <锚点>；优先 P/S/M/I；正文与导出一致。
• 规范锚点：EFT.WP.Core.Equations v1.1:S20-1/S21-2、EFT.WP.Core.Metrology v1.0:check_dim、Data.Benchmarks v1.0:PROTO。
• 对外仅用 v1.*；如用 v0.*，显著标注“草案/非承诺”。

IX. 执行勾选清单（Checklist）

• dataset_id/method_id/baseline_id/version/seeds 完整；时间窗明确。
• 核心指标：ΔT_arr / r_phi / ε_flux / p_dim / Q_res 已给出单位、区间与图表。
• 评分：Q 与权重、阈值、统计检验与 FDR 报告清晰。
• 合规模块：check_dim_report.json 摘要、anchor_coverage/ver_presence、clock_state/τ_calib 已列示。
• 导出完整：scorecard.json / results.md / figs / quality_report.json / audit.jsonl；引用合规、版本锁定。
• 若处于 [Restricted]，所有图表已加标签并列出触发项，仅给出定性外观。