@furongjun1999/dsh-memory 0.4.11 → 0.5.0

package/md_cg/bench_progressive.py

@@ -1,288 +1,288 @@
-#!/usr/bin/env python3
-# -*- coding: utf-8 -*-
-"""bench_progressive.py · 渐进式语义检索双实验（2026-09-14）
-
-理论（使用者与 GPT 定稿）：查询不是固定语义结构，而是不断收紧的约束集合；
-从最小可靠语义开始宽检索，再按区分度逐步增加条件使语义收敛。
-「语义解析的完整性与检索的必要性不是同一个问题。」
-
-实验一（locomo-zh-500 · 原子面，与 bench_en_atoms_public 同 doc 侧口径）：
-  G0 一次性全原子      —— 对照锚点（应 ≈ ② 96.8/99.8/99.8，同口径自校验）
-  G2 只宽检不细化      —— core 50% 一次性排序（「最小可靠语义」本身水平）
-  G1 渐进              —— Stage-1 宽检索 → 区分度引导加原子 → 重排
-                          （max_stages=4；每阶段都被测量）
-  统计：initial（Stage-1）/ final（终态）hit@1/5/10+MRR、平均 refinement
-  steps（added 条件数）、一步收敛率。
-  诚实边界：池 567 全 gold 零干扰——G1≈G0 属预期（⑤⑥⑦已证宽检索
-  鲁棒）；本实验量化「渐进不劣于一次性 + 步数可观测」，消歧增益见实验二。
-
-实验二（受控干扰池 · 引擎侧，42+2 节点真实 MdCGOS）：
-  在 test_sem_noise 语料上放 2 条条件冒充邻居（正条件与 gold 同款 →
-  judge 判 ACCEPT）——构造 False ACCEPT>0 的形态；渐进循环：
-  宽检索 → discriminative 在候选间选区分性条件词 → 带条件重排。
-  断言：渐进后 False ACCEPT=0 且 top1 ∈ gold——
-  「DEFER/冒充不是终点，加条件后语义收敛」的引擎侧实证。
-  条件词池本轮手工给定（示教）；真实系统应由 atoms.json 标准词表驱动。
-
-跑法：python -m md_cg.bench_progressive
-"""
-import io
-import json
-import os
-import shutil
-import sys
-import tempfile
-import time
-
-HERE = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
-if HERE not in sys.path:
-    sys.path.insert(0, HERE)
-
-from md_cg import bench6_common as b6                        # noqa: E402
-from md_cg.bench_en_atoms_public import (                    # noqa: E402
-    CORPUS, QUESTIONS, jaccard, load_char_atoms, node_atom_set,
-    round_dict, zh_map_en)
-from md_cg.mdcos import MdCGOS                               # noqa: E402
-from md_cg.progressive import discriminative, progressive_search  # noqa: E402
-from md_cg.test_sem_noise import (                           # noqa: E402
-    GOLD, GOLD_COND, NEG_TEXTS, NEIGHBORS, QUERY, UNREL_DOCS, _doc)
-
-
-# 生效条件：ev、ids 给定时按 ids 顺序找首个满足 nid in ev 的 1-based 位次返回，找不到（或 ids 为空、ev 为空）时返回 0。
-def rank_of(ev, ids):
-    """gold 在 id 排名中的位次（不在则 0）。"""
-    return next((r for r, nid in enumerate(ids, 1) if nid in ev), 0)
-
-
-# 生效条件：rank 为 1 时 st["h1"] 加 1，rank 落在 0<rank<=5 时 st["h5"] 加 1，落在 0<rank<=10 时 st["h10"] 加 1，rank 为真值时 st["rr"] 加 1.0/rank（负 rank 亦进入该分支得负增量），无返回值。
-def _agg(rank, st):
-    if rank == 1:
-        st["h1"] += 1
-    if 0 < rank <= 5:
-        st["h5"] += 1
-    if 0 < rank <= 10:
-        st["h10"] += 1
-    if rank:
-        st["rr"] += 1.0 / rank
-
-
-# 生效条件：label、st、n 与可选 extra 给定时打印 label、st["h1"/"h5"/"h10"]*100.0/n、st["rr"]/n 及 extra 组成的行，n 为 0 时因源码直接相除抛 ZeroDivisionError（源码未校验 n）。
-def _show(label, st, n, extra=""):
-    print("  %-22s hit@1=%5.1f%%  hit@5=%5.1f%%  hit@10=%5.1f%%  "
-          "MRR=%.4f%s" % (label, st["h1"] * 100.0 / n,
-                          st["h5"] * 100.0 / n, st["h10"] * 100.0 / n,
-                          st["rr"] / n, extra))
-
-
-# 生效条件：qa、docs 给定时对 docs 每项按 jaccard(qa, na) 降序、id 升序排序并返回其 id 序列，docs 为空返回空列表，qa 为空时全部分数相同故只按 id 升序。
-def full_rank(qa, docs):
-    """全池 Jaccard 排序 → id 序列（与 run_arm 同判据）。"""
-    scored = sorted(((jaccard(qa, na), nid) for nid, na in docs),
-                    key=lambda t: (-t[0], t[1]))
-    return [nid for _s, nid in scored]
-
-
-# 生效条件：无 required 形参；以模块级常量 CORPUS、QUESTIONS 逐行 json.loads 建语料与题目，每题取 evidence_turns 与 question 分词结果，qa 为空则跳过且不计入 n，最终返回含 g0/g2/g1i/g1f/n/fa10_conservative/avg_pool 的统计字典（分母均以 max(·,1) 兜零）。
-def exp_locomo():
-    """实验一：原子面渐进三形态。"""
-    t0 = time.time()
-    with io.open(CORPUS, encoding="utf-8") as f:
-        corpus = [json.loads(ln) for ln in f if ln.strip()]
-    with io.open(QUESTIONS, encoding="utf-8") as f:
-        questions = [json.loads(ln) for ln in f if ln.strip()]
-    char_atoms = load_char_atoms()
-    docs = [(c["id"], node_atom_set(c, char_atoms)) for c in corpus]
-    docs_map = dict(docs)
-    print("[progressive] 实验一 locomo-zh-500 · 语料 %d / 题 %d"
-          % (len(corpus), len(questions)))
-
-    pool_sizes = []                        # G1 各阶段候选池大小（统计面）
-
-# 生效条件：used 给定时对其 frozenset 调 full_rank 取前 20 条，把该池大小追加进 pool_sizes，返回由这些 id 与 0.0 组成的二元组列表。
-    def rank_fn(used):
-        ranked = full_rank(frozenset(used), docs)[:20]
-        pool_sizes.append(len(ranked))
-        return [(nid, 0.0) for nid in ranked]
-
-    st_g0 = {"h1": 0, "h5": 0, "h10": 0, "rr": 0.0}
-    st_g2 = dict(st_g0)
-    st_i = dict(st_g0)
-    st_f = dict(st_g0)
-    steps_sum = conv = n = fa10_sum = 0
-    for q in questions:
-        ev = set(q.get("evidence_turns") or [])
-        qa = [w for w in zh_map_en(str(q.get("question") or ""),
-                                   char_atoms).split() if w]
-        if not qa:
-            continue
-        n += 1
-        # G0 一次性全原子（对照锚点）
-        _agg(rank_of(ev, full_rank(frozenset(qa), docs)), st_g0)
-        # G2 只宽检不细化
-        core = qa[:max(1, int(len(qa) * 0.5))]
-        _agg(rank_of(ev, full_rank(frozenset(core), docs)), st_g2)
-        # G1 渐进
-        tr = progressive_search(rank_fn, qa, docs_map,
-                                ratio=0.5, k=10, max_stages=4)
-        _agg(rank_of(ev, full_rank(frozenset(tr["stages"][0]["used"]),
-                                   docs)), st_i)
-        fin_all = full_rank(frozenset(tr["stages"][-1]["used"]), docs)
-        _agg(rank_of(ev, fin_all), st_f)
-        # 保守 false_accept 口径：final top10 内非 gold 条数（本语料无资格
-        # 判定面，非 gold 全计为假接受——上界，见打印行口径注明）
-        fa10_sum += sum(1 for nid in fin_all[:10] if nid not in ev)
-        steps_sum += len(tr["added"])
-        conv += 1 if (tr["converged"] or len(tr["added"]) < 3) else 0
-
-    _show("G0 一次性全原子", st_g0, n,
-          "   ← 锚点应≈② 96.8/99.8/99.8")
-    _show("G2 只宽检(core50%)", st_g2, n)
-    _show("G1 渐进·initial", st_i, n)
-    _show("G1 渐进·final", st_f, n)
-    print("  refinement: 平均加条件数=%.2f  一步收敛率=%.1f%%  (n=%d, %.0fs)"
-          % (steps_sum / max(n, 1), conv * 100.0 / max(n, 1), n,
-             time.time() - t0))
-    print("  false_accept(保守口径)=%.2f%%  =G1 final top10 非 gold 平均占比"
-          "（上界：本语料无 CCG 注释面，非 gold 全计为假接受）"
-          % (fa10_sum * 10.0 / max(n, 1)))
-    print("  候选池: G1 各阶段平均 top 池大小=%.1f (k=20 上限)"
-          % (sum(pool_sizes) / max(len(pool_sizes), 1)))
-    print("  四态分布: 本实验为原子面（语料无 CCG 注释，judge_qualification "
-          "将全判 BLINDSPOT）——资格判定不适用，不硬造数字；四态实证见实验二")
-    return {"g0": st_g0, "g2": st_g2, "g1i": st_i, "g1f": st_f, "n": n,
-            "fa10_conservative": fa10_sum * 10.0 / max(n, 1),
-            "avg_pool": sum(pool_sizes) / max(len(pool_sizes), 1)}
-
-
-# 生效条件：无必需形参；自建临时库（tempfile.mkdtemp + MdCGOS）注入 GOLD/NEIGHBORS 语料后跑渐进消歧，finally 清理临时目录；返回指标 dict，不依赖外部数据；
-def exp_controlled():
-    """实验二：受控干扰池——条件冒充形态下渐进消歧（引擎侧真检索）。"""
-    print("\n[progressive] 实验二 受控干扰池（42+2 节点真实 MdCGOS）")
-    tmp = tempfile.mkdtemp(prefix="mdcg_prog_")
-    try:
-        root = os.path.join(tmp, "root")
-        cg = MdCGOS(root)
-        gold_ids = [g for g, _ in GOLD]
-        for gid, fact in GOLD:
-            cg.add(gid, _doc(fact, GOLD_COND), layer="knowledge",
-                   verification_basis="test")
-        # 2 条邻居改用 gold 同款生效条件 → 正条件命中 → judge 判 ACCEPT（冒充）
-        IMPOSTORS = ("n1a", "n3a")
-        for gid, lst in NEIGHBORS.items():
-            for nid, fact, _cond in lst:
-                cg.add(nid, _doc(fact, GOLD_COND if nid in IMPOSTORS
-                                 else _cond), layer="knowledge",
-                       verification_basis="test")
-        for nid, fact in NEG_TEXTS:
-            cg.add(nid, _doc(fact, "问没做的事", extra_neg=True),
-                   layer="knowledge", verification_basis="test",
-                   non_applicable_conditions=["刚才在干什么"])
-        for nid, fact, cond in UNREL_DOCS:
-            cg.add(nid, _doc(fact, cond), layer="knowledge",
-                   verification_basis="test")
-
-        KW = dict(paths=("lexical", "bucket", "entity", "graph", "fuzzy"),
-                  fusion="sum", judge_ranking=True)
-
-# 生效条件：used 给定时，used 为假值（空列表等）则查询串仅为 QUERY，否则为 QUERY 加空格再加空格连接的 used，再经 cg.search_rrf(k=10, judge=True, **KW) 返回 (id, 分值) 列表。
-        def engine_rank(used):
-            res, _m = cg.search_rrf(QUERY + (" " + " ".join(used)
-                                             if used else ""),
-                                    k=10, judge=True, **KW)
-            return [(r[0]["id"], r[1]) for r in res]
-
-# 生效条件：res 给定时遍历其前 10 项，跳过 r[0]["id"] 属于外层 gold_ids 的项，对余项取 r[2]（len(r)<=2 时取空 dict）并仅在 (ji or {}).get("state")=="ACCEPT" 时把该 id 收入，返回收集到的 out 列表。
-        def false_accepts(res):
-            out = []
-            for r in res[:10]:
-                nid = r[0]["id"]
-                if nid in gold_ids:
-                    continue
-                ji = r[2] if len(r) > 2 else {}
-                if (ji or {}).get("state") == "ACCEPT":
-                    out.append(nid)
-            return out
-
-# 生效条件：res 给定时遍历其前 10 项，len(r)>2 时取 (r[2] or {}).get("state")、否则取 None，该值属于 ACCEPT/DEFER/REJECT/BLINDSPOT 四键之一则对应计数、否则计入「无judge」，返回只保留计数非零项的字典（全零则返回空 dict）。
-        def state_dist(res):
-            """渐进循环四态分布（top10 内 judge state 计数，只列非零项）。
-
-            judge info 直接复用 search_rrf(judge=True) 注入的
-            judge_qualification 产物（结果第三元），不重复判定。
-            """
-            d = {"ACCEPT": 0, "DEFER": 0, "REJECT": 0, "BLINDSPOT": 0,
-                 "无judge": 0}
-            for r in res[:10]:
-                st = (r[2] or {}).get("state") if len(r) > 2 else None
-                d[st if st in d else "无judge"] += 1
-            return {k: v for k, v in d.items() if v}
-
-# 生效条件：res、fa 给定时返回 100.0*len(fa)/max(1, min(10, len(res)))，即 len(res)>=10 时除以 10、不足时除以 len(res)，len(res) 为 0 时被 max(1,·) 兜为除数 1。
-        def fa_rate(res, fa):
-            return 100.0 * len(fa) / max(1, min(10, len(res)))
-
-        # 宽检索（不加任何条件；judgeinfo 直接取 results 第三元）
-        wide_res, _m = cg.search_rrf(QUERY, k=10, judge=True, **KW)
-        wide = [(r[0]["id"], r[1]) for r in wide_res]
-        fa_pre = false_accepts(wide_res)
-        top1_pre = wide[0][0] if wide else None
-        print("  宽检索 top1=%s  top10 内 False ACCEPT=%s（率=%.1f%%）"
-              % (top1_pre, fa_pre or "无", fa_rate(wide_res, fa_pre)))
-        print("  四态分布(宽检索 top10)=%s  候选池=%d  judge 剔除=%s"
-              % (state_dist(wide_res), len(wide_res),
-                 (_m or {}).get("judge_filtered", 0)))
-
-        # 渐进：候选间区分性条件词 → 带条件重排
-        POOL = ["我", "喝水", "吃饭", "电脑", "书", "音乐", "出门",
-                "浇花", "下班"]
-        cand_chars = {}
-        for r in wide_res[:10]:
-            nid = r[0]["id"]
-            cand_chars[nid] = frozenset(str(r[0].get("content") or ""))
-        cond = discriminative([p for p in POOL],
-                              [cand_chars.get(nid, frozenset())
-                               for nid, _s in wide[:10]])
-        if cond:
-            refined_res, _m2 = cg.search_rrf(QUERY + " " + cond,
-                                             k=10, judge=True, **KW)
-            fa_post = false_accepts(refined_res)
-            top1_post = refined_res[0][0]["id"] if refined_res else None
-            print("  区分性条件=%r → 重排 top1=%s  top10 内 "
-                  "False ACCEPT=%s（率=%.1f%%）"
-                  % (cond, top1_post, fa_post or "无",
-                     fa_rate(refined_res, fa_post)))
-            print("  四态分布(重排 top10)=%s  候选池=%d  judge 剔除=%s"
-                  % (state_dist(refined_res), len(refined_res),
-                     (_m2 or {}).get("judge_filtered", 0)))
-            ok1 = top1_post in gold_ids
-            no_new = set(fa_post) <= set(fa_pre)
-            print("  断言①渐进后 top1∈gold：%s" % ("PASS" if ok1 else "FAIL"))
-            print("  断言②渐进不引入新冒充（fa_post⊆fa_pre）：%s"
-                  % ("PASS" if no_new else "FAIL"))
-            if fa_post:
-                for r in refined_res[:10]:
-                    if r[0]["id"] in fa_post and len(r) > 2:
-                        print("    冒充 %s judge reason：%s"
-                              % (r[0]["id"],
-                                 (r[2] or {}).get("reason", "")))
-            print("  边界（如实）：条件面冒充（生效条件被伪造为 gold 同款）"
-                  "不被内容词渐进消除——词面条件确认是必要非充分，"
-                  "真伪判据=verification_basis/时间线冲突（证据强度分离，另案）")
-            return ok1 and no_new
-        print("  无区分性条件可选（宽检索已无冒充）——如实记录")
-        return not fa_pre
-    finally:
-        shutil.rmtree(tmp, ignore_errors=True)
-
-
-# 生效条件：无 required 形参；先执行 exp_locomo()，再按 exp_controlled() 返回值 ok 的真假返回 0（真）或 1（假）。
-def main():
-    exp_locomo()
-    ok = exp_controlled()
-    print("\n[progressive] 完成。受控池消歧断言：%s"
-          % ("PASS" if ok else "FAIL"))
-    return 0 if ok else 1
-
-
-if __name__ == "__main__":
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+"""bench_progressive.py · 渐进式语义检索双实验（2026-09-14）
+
+理论（使用者与 GPT 定稿）：查询不是固定语义结构，而是不断收紧的约束集合；
+从最小可靠语义开始宽检索，再按区分度逐步增加条件使语义收敛。
+「语义解析的完整性与检索的必要性不是同一个问题。」
+
+实验一（locomo-zh-500 · 原子面，与 bench_en_atoms_public 同 doc 侧口径）：
+  G0 一次性全原子      —— 对照锚点（应 ≈ ② 96.8/99.8/99.8，同口径自校验）
+  G2 只宽检不细化      —— core 50% 一次性排序（「最小可靠语义」本身水平）
+  G1 渐进              —— Stage-1 宽检索 → 区分度引导加原子 → 重排
+                          （max_stages=4；每阶段都被测量）
+  统计：initial（Stage-1）/ final（终态）hit@1/5/10+MRR、平均 refinement
+  steps（added 条件数）、一步收敛率。
+  诚实边界：池 567 全 gold 零干扰——G1≈G0 属预期（⑤⑥⑦已证宽检索
+  鲁棒）；本实验量化「渐进不劣于一次性 + 步数可观测」，消歧增益见实验二。
+
+实验二（受控干扰池 · 引擎侧，42+2 节点真实 MdCGOS）：
+  在 test_sem_noise 语料上放 2 条条件冒充邻居（正条件与 gold 同款 →
+  judge 判 ACCEPT）——构造 False ACCEPT>0 的形态；渐进循环：
+  宽检索 → discriminative 在候选间选区分性条件词 → 带条件重排。
+  断言：渐进后 False ACCEPT=0 且 top1 ∈ gold——
+  「DEFER/冒充不是终点，加条件后语义收敛」的引擎侧实证。
+  条件词池本轮手工给定（示教）；真实系统应由 atoms.json 标准词表驱动。
+
+跑法：python -m md_cg.bench_progressive
+"""
+import io
+import json
+import os
+import shutil
+import sys
+import tempfile
+import time
+
+HERE = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
+if HERE not in sys.path:
+    sys.path.insert(0, HERE)
+
+from md_cg import bench6_common as b6                        # noqa: E402
+from md_cg.bench_en_atoms_public import (                    # noqa: E402
+    CORPUS, QUESTIONS, jaccard, load_char_atoms, node_atom_set,
+    round_dict, zh_map_en)
+from md_cg.mdcos import MdCGOS                               # noqa: E402
+from md_cg.progressive import discriminative, progressive_search  # noqa: E402
+from md_cg.test_sem_noise import (                           # noqa: E402
+    GOLD, GOLD_COND, NEG_TEXTS, NEIGHBORS, QUERY, UNREL_DOCS, _doc)
+
+
+# 生效条件：ev、ids 给定时按 ids 顺序找首个满足 nid in ev 的 1-based 位次返回，找不到（或 ids 为空、ev 为空）时返回 0。
+def rank_of(ev, ids):
+    """gold 在 id 排名中的位次（不在则 0）。"""
+    return next((r for r, nid in enumerate(ids, 1) if nid in ev), 0)
+
+
+# 生效条件：rank 为 1 时 st["h1"] 加 1，rank 落在 0<rank<=5 时 st["h5"] 加 1，落在 0<rank<=10 时 st["h10"] 加 1，rank 为真值时 st["rr"] 加 1.0/rank（负 rank 亦进入该分支得负增量），无返回值。
+def _agg(rank, st):
+    if rank == 1:
+        st["h1"] += 1
+    if 0 < rank <= 5:
+        st["h5"] += 1
+    if 0 < rank <= 10:
+        st["h10"] += 1
+    if rank:
+        st["rr"] += 1.0 / rank
+
+
+# 生效条件：label、st、n 与可选 extra 给定时打印 label、st["h1"/"h5"/"h10"]*100.0/n、st["rr"]/n 及 extra 组成的行，n 为 0 时因源码直接相除抛 ZeroDivisionError（源码未校验 n）。
+def _show(label, st, n, extra=""):
+    print("  %-22s hit@1=%5.1f%%  hit@5=%5.1f%%  hit@10=%5.1f%%  "
+          "MRR=%.4f%s" % (label, st["h1"] * 100.0 / n,
+                          st["h5"] * 100.0 / n, st["h10"] * 100.0 / n,
+                          st["rr"] / n, extra))
+
+
+# 生效条件：qa、docs 给定时对 docs 每项按 jaccard(qa, na) 降序、id 升序排序并返回其 id 序列，docs 为空返回空列表，qa 为空时全部分数相同故只按 id 升序。
+def full_rank(qa, docs):
+    """全池 Jaccard 排序 → id 序列（与 run_arm 同判据）。"""
+    scored = sorted(((jaccard(qa, na), nid) for nid, na in docs),
+                    key=lambda t: (-t[0], t[1]))
+    return [nid for _s, nid in scored]
+
+
+# 生效条件：无 required 形参；以模块级常量 CORPUS、QUESTIONS 逐行 json.loads 建语料与题目，每题取 evidence_turns 与 question 分词结果，qa 为空则跳过且不计入 n，最终返回含 g0/g2/g1i/g1f/n/fa10_conservative/avg_pool 的统计字典（分母均以 max(·,1) 兜零）。
+def exp_locomo():
+    """实验一：原子面渐进三形态。"""
+    t0 = time.time()
+    with io.open(CORPUS, encoding="utf-8") as f:
+        corpus = [json.loads(ln) for ln in f if ln.strip()]
+    with io.open(QUESTIONS, encoding="utf-8") as f:
+        questions = [json.loads(ln) for ln in f if ln.strip()]
+    char_atoms = load_char_atoms()
+    docs = [(c["id"], node_atom_set(c, char_atoms)) for c in corpus]
+    docs_map = dict(docs)
+    print("[progressive] 实验一 locomo-zh-500 · 语料 %d / 题 %d"
+          % (len(corpus), len(questions)))
+
+    pool_sizes = []                        # G1 各阶段候选池大小（统计面）
+
+# 生效条件：used 给定时对其 frozenset 调 full_rank 取前 20 条，把该池大小追加进 pool_sizes，返回由这些 id 与 0.0 组成的二元组列表。
+    def rank_fn(used):
+        ranked = full_rank(frozenset(used), docs)[:20]
+        pool_sizes.append(len(ranked))
+        return [(nid, 0.0) for nid in ranked]
+
+    st_g0 = {"h1": 0, "h5": 0, "h10": 0, "rr": 0.0}
+    st_g2 = dict(st_g0)
+    st_i = dict(st_g0)
+    st_f = dict(st_g0)
+    steps_sum = conv = n = fa10_sum = 0
+    for q in questions:
+        ev = set(q.get("evidence_turns") or [])
+        qa = [w for w in zh_map_en(str(q.get("question") or ""),
+                                   char_atoms).split() if w]
+        if not qa:
+            continue
+        n += 1
+        # G0 一次性全原子（对照锚点）
+        _agg(rank_of(ev, full_rank(frozenset(qa), docs)), st_g0)
+        # G2 只宽检不细化
+        core = qa[:max(1, int(len(qa) * 0.5))]
+        _agg(rank_of(ev, full_rank(frozenset(core), docs)), st_g2)
+        # G1 渐进
+        tr = progressive_search(rank_fn, qa, docs_map,
+                                ratio=0.5, k=10, max_stages=4)
+        _agg(rank_of(ev, full_rank(frozenset(tr["stages"][0]["used"]),
+                                   docs)), st_i)
+        fin_all = full_rank(frozenset(tr["stages"][-1]["used"]), docs)
+        _agg(rank_of(ev, fin_all), st_f)
+        # 保守 false_accept 口径：final top10 内非 gold 条数（本语料无资格
+        # 判定面，非 gold 全计为假接受——上界，见打印行口径注明）
+        fa10_sum += sum(1 for nid in fin_all[:10] if nid not in ev)
+        steps_sum += len(tr["added"])
+        conv += 1 if (tr["converged"] or len(tr["added"]) < 3) else 0
+
+    _show("G0 一次性全原子", st_g0, n,
+          "   ← 锚点应≈② 96.8/99.8/99.8")
+    _show("G2 只宽检(core50%)", st_g2, n)
+    _show("G1 渐进·initial", st_i, n)
+    _show("G1 渐进·final", st_f, n)
+    print("  refinement: 平均加条件数=%.2f  一步收敛率=%.1f%%  (n=%d, %.0fs)"
+          % (steps_sum / max(n, 1), conv * 100.0 / max(n, 1), n,
+             time.time() - t0))
+    print("  false_accept(保守口径)=%.2f%%  =G1 final top10 非 gold 平均占比"
+          "（上界：本语料无 CCG 注释面，非 gold 全计为假接受）"
+          % (fa10_sum * 10.0 / max(n, 1)))
+    print("  候选池: G1 各阶段平均 top 池大小=%.1f (k=20 上限)"
+          % (sum(pool_sizes) / max(len(pool_sizes), 1)))
+    print("  四态分布: 本实验为原子面（语料无 CCG 注释，judge_qualification "
+          "将全判 BLINDSPOT）——资格判定不适用，不硬造数字；四态实证见实验二")
+    return {"g0": st_g0, "g2": st_g2, "g1i": st_i, "g1f": st_f, "n": n,
+            "fa10_conservative": fa10_sum * 10.0 / max(n, 1),
+            "avg_pool": sum(pool_sizes) / max(len(pool_sizes), 1)}
+
+
+# 生效条件：无必需形参；自建临时库（tempfile.mkdtemp + MdCGOS）注入 GOLD/NEIGHBORS 语料后跑渐进消歧，finally 清理临时目录；返回指标 dict，不依赖外部数据；
+def exp_controlled():
+    """实验二：受控干扰池——条件冒充形态下渐进消歧（引擎侧真检索）。"""
+    print("\n[progressive] 实验二 受控干扰池（42+2 节点真实 MdCGOS）")
+    tmp = tempfile.mkdtemp(prefix="mdcg_prog_")
+    try:
+        root = os.path.join(tmp, "root")
+        cg = MdCGOS(root)
+        gold_ids = [g for g, _ in GOLD]
+        for gid, fact in GOLD:
+            cg.add(gid, _doc(fact, GOLD_COND), layer="knowledge",
+                   verification_basis="test")
+        # 2 条邻居改用 gold 同款生效条件 → 正条件命中 → judge 判 ACCEPT（冒充）
+        IMPOSTORS = ("n1a", "n3a")
+        for gid, lst in NEIGHBORS.items():
+            for nid, fact, _cond in lst:
+                cg.add(nid, _doc(fact, GOLD_COND if nid in IMPOSTORS
+                                 else _cond), layer="knowledge",
+                       verification_basis="test")
+        for nid, fact in NEG_TEXTS:
+            cg.add(nid, _doc(fact, "问没做的事", extra_neg=True),
+                   layer="knowledge", verification_basis="test",
+                   non_applicable_conditions=["刚才在干什么"])
+        for nid, fact, cond in UNREL_DOCS:
+            cg.add(nid, _doc(fact, cond), layer="knowledge",
+                   verification_basis="test")
+
+        KW = dict(paths=("lexical", "bucket", "entity", "graph", "fuzzy"),
+                  fusion="sum", judge_ranking=True)
+
+# 生效条件：used 给定时，used 为假值（空列表等）则查询串仅为 QUERY，否则为 QUERY 加空格再加空格连接的 used，再经 cg.search_rrf(k=10, judge=True, **KW) 返回 (id, 分值) 列表。
+        def engine_rank(used):
+            res, _m = cg.search_rrf(QUERY + (" " + " ".join(used)
+                                             if used else ""),
+                                    k=10, judge=True, **KW)
+            return [(r[0]["id"], r[1]) for r in res]
+
+# 生效条件：res 给定时遍历其前 10 项，跳过 r[0]["id"] 属于外层 gold_ids 的项，对余项取 r[2]（len(r)<=2 时取空 dict）并仅在 (ji or {}).get("state")=="ACCEPT" 时把该 id 收入，返回收集到的 out 列表。
+        def false_accepts(res):
+            out = []
+            for r in res[:10]:
+                nid = r[0]["id"]
+                if nid in gold_ids:
+                    continue
+                ji = r[2] if len(r) > 2 else {}
+                if (ji or {}).get("state") == "ACCEPT":
+                    out.append(nid)
+            return out
+
+# 生效条件：res 给定时遍历其前 10 项，len(r)>2 时取 (r[2] or {}).get("state")、否则取 None，该值属于 ACCEPT/DEFER/REJECT/BLINDSPOT 四键之一则对应计数、否则计入「无judge」，返回只保留计数非零项的字典（全零则返回空 dict）。
+        def state_dist(res):
+            """渐进循环四态分布（top10 内 judge state 计数，只列非零项）。
+
+            judge info 直接复用 search_rrf(judge=True) 注入的
+            judge_qualification 产物（结果第三元），不重复判定。
+            """
+            d = {"ACCEPT": 0, "DEFER": 0, "REJECT": 0, "BLINDSPOT": 0,
+                 "无judge": 0}
+            for r in res[:10]:
+                st = (r[2] or {}).get("state") if len(r) > 2 else None
+                d[st if st in d else "无judge"] += 1
+            return {k: v for k, v in d.items() if v}
+
+# 生效条件：res、fa 给定时返回 100.0*len(fa)/max(1, min(10, len(res)))，即 len(res)>=10 时除以 10、不足时除以 len(res)，len(res) 为 0 时被 max(1,·) 兜为除数 1。
+        def fa_rate(res, fa):
+            return 100.0 * len(fa) / max(1, min(10, len(res)))
+
+        # 宽检索（不加任何条件；judgeinfo 直接取 results 第三元）
+        wide_res, _m = cg.search_rrf(QUERY, k=10, judge=True, **KW)
+        wide = [(r[0]["id"], r[1]) for r in wide_res]
+        fa_pre = false_accepts(wide_res)
+        top1_pre = wide[0][0] if wide else None
+        print("  宽检索 top1=%s  top10 内 False ACCEPT=%s（率=%.1f%%）"
+              % (top1_pre, fa_pre or "无", fa_rate(wide_res, fa_pre)))
+        print("  四态分布(宽检索 top10)=%s  候选池=%d  judge 剔除=%s"
+              % (state_dist(wide_res), len(wide_res),
+                 (_m or {}).get("judge_filtered", 0)))
+
+        # 渐进：候选间区分性条件词 → 带条件重排
+        POOL = ["我", "喝水", "吃饭", "电脑", "书", "音乐", "出门",
+                "浇花", "下班"]
+        cand_chars = {}
+        for r in wide_res[:10]:
+            nid = r[0]["id"]
+            cand_chars[nid] = frozenset(str(r[0].get("content") or ""))
+        cond = discriminative([p for p in POOL],
+                              [cand_chars.get(nid, frozenset())
+                               for nid, _s in wide[:10]])
+        if cond:
+            refined_res, _m2 = cg.search_rrf(QUERY + " " + cond,
+                                             k=10, judge=True, **KW)
+            fa_post = false_accepts(refined_res)
+            top1_post = refined_res[0][0]["id"] if refined_res else None
+            print("  区分性条件=%r → 重排 top1=%s  top10 内 "
+                  "False ACCEPT=%s（率=%.1f%%）"
+                  % (cond, top1_post, fa_post or "无",
+                     fa_rate(refined_res, fa_post)))
+            print("  四态分布(重排 top10)=%s  候选池=%d  judge 剔除=%s"
+                  % (state_dist(refined_res), len(refined_res),
+                     (_m2 or {}).get("judge_filtered", 0)))
+            ok1 = top1_post in gold_ids
+            no_new = set(fa_post) <= set(fa_pre)
+            print("  断言①渐进后 top1∈gold：%s" % ("PASS" if ok1 else "FAIL"))
+            print("  断言②渐进不引入新冒充（fa_post⊆fa_pre）：%s"
+                  % ("PASS" if no_new else "FAIL"))
+            if fa_post:
+                for r in refined_res[:10]:
+                    if r[0]["id"] in fa_post and len(r) > 2:
+                        print("    冒充 %s judge reason：%s"
+                              % (r[0]["id"],
+                                 (r[2] or {}).get("reason", "")))
+            print("  边界（如实）：条件面冒充（生效条件被伪造为 gold 同款）"
+                  "不被内容词渐进消除——词面条件确认是必要非充分，"
+                  "真伪判据=verification_basis/时间线冲突（证据强度分离，另案）")
+            return ok1 and no_new
+        print("  无区分性条件可选（宽检索已无冒充）——如实记录")
+        return not fa_pre
+    finally:
+        shutil.rmtree(tmp, ignore_errors=True)
+
+
+# 生效条件：无 required 形参；先执行 exp_locomo()，再按 exp_controlled() 返回值 ok 的真假返回 0（真）或 1（假）。
+def main():
+    exp_locomo()
+    ok = exp_controlled()
+    print("\n[progressive] 完成。受控池消歧断言：%s"
+          % ("PASS" if ok else "FAIL"))
+    return 0 if ok else 1
+
+
+if __name__ == "__main__":
     raise SystemExit(main())