研究提案已修订

单向符号门下的恢复信用可辨识性账本：区分「删除终端信用」与「赋予恢复信用」

针对 RIPPLE 式阶段化二值门只能抑制、不能创造正向信用这一结构限制，提出单向门信用账本（SCL）：把门方向、标签溯源、分层对撞、对照推断与训练成本拆成五本可刊出的账，并给出反向门臂与反事实归因臂两条等预算对照。

2026年10月25日信用分配强化学习 Agent 训练数据代码生成过程监督可辨识性自纠正

背景与动机

长程编码智能体的训练数据工程正在从「收集成功轨迹」转向「标注中间决策的功能角色」。RIPPLE（arXiv:2610.31276，v1 2026-10-22，cs.AI）是本轮这一转向里结构最完整的一项工作：它先把恢复拆成触发（ $T^{\mathrm{trig}}$ ）、诊断（ $T^{\mathrm{crit}}$ ）、纠正动作（ $T^{\mathrm{ca}}$ ）三段，再为每个阶段配一个二值门 $h^{\mathrm{trig}}_k$ 、 $h^{\mathrm{crit}}_k$ 、 $h^{\mathrm{ca}}_k$ ，用门控后的优势 $\widetilde{A}_{i,t}=h_k^m[\widehat{A}_i]^{+}+(1-h_k^m)[\widehat{A}_i]^{-}$ 替代 GRPO 的均匀广播。四个仓库级基准上算术均值 +4.8 分（Verified +1.3、Pro +6.5、Multilingual +4.8、SWE-Compass +6.4），部署侧零外部调用、1.17 倍 actor token。

式（11）的代数决定了这套门只能单向工作。轨迹失败时 $\widehat{A}_i<0$ ，门控给有效恢复段的结果是 $\widetilde{A}=0$ ，而不是正值：有效恢复被免罚，却拿不到任何正向信用。成功轨迹里 $h=0$ 的无效段同样落到 $\widetilde{A}=0$ ，被删掉的是它本可继承的正向信用。三个门做的全部事情是删除终端信用，从不创造恢复信用。论文自己在正文 §3（式 11 之后）写明了同一件事的另一种形式——组内终端奖励完全一致时 $\widehat{A}_i=0$ ，符号门无法产生策略梯度信号。

这一区分直接决定了哪些量必须登场而论文一个都没刊出。第一，正向恢复梯度只落在「组内有方差」「该轨迹成功」「门判有效」三条都成立的位置，因此要先知道训练组里非退化组的占比 $\rho_{\mathrm{var}}$ ，才能知道 RL 阶段的有效样本量。第二，门控后每个恢复 token 的整形优势落在正、零、负三档中的哪一档，决定了这条目标函数究竟在教什么，而 $(\pi_{+},\pi_{0},\pi_{-})$ 从未出现。第三，「不让中间决策盲目继承终端结果」是靠删除实现的，那么删除了多少、剩下了多少就是这条机制唯一的强度读数，论文只给了一个名为 positive-credit contamination 的派生量（38.4% → 11.2%），没有给删除份额本身。

现有过程监督与信用分配路线都绕不开同一个盲区。Lightman 式过程监督加的是标量过程奖励，MURPHY、pivotal-aware retry、TRACE 做的是终端回报的重新分配，ICRL 内化自批评但只在轨迹层。把「是否继承」做成二值门是 RIPPLE 的新增结构，而二值门有一类专属失效模式：门的错误会被静默地折算成「多少 token 拿不到梯度」，既不会抬高损失，也不会在消融表里露面。本提案的目标是把这类失效模式变成可刊出的一级量。

核心思路

提出单向门信用账本（Sign-gated Credit Ledger, SCL）：不改动 RIPPLE 的目标函数，只把它已经产生但从未登记的量补齐，并补三条等预算对照臂。账本分五本。

第一本登记门的方向。三个量： $\rho_{\mathrm{var}}$ （组内终端奖励非恒定的训练组占比，即 RL 阶段的有效样本量）、 $(\pi_{+},\pi_{0},\pi_{-})$ （恢复 token 整形优势的三档占比）、 $\sigma_{\mathrm{gate}}=1-\pi_{0}$ 的反向读数——被门静默置零的比例。 $\pi_{0}$ 若接近 1，说明阶段化信用在多数恢复 token 上等价于不更新，机制强度全部来自少数 token。

第二本登记标注溯源。论文报告的人工审计 Cohen’s $\kappa$ 是 0.81（边界）、0.76（诊断）、0.73（动作归因），但附录 B.2 写明了训练时的 GRM 不用于评分，评分由另一个模型族的 evaluator 完成——这三项 $\kappa$ 属于评分侧，而塑造梯度的门标签来自训练侧的 GRM 教师、frozen consistency model 与 attribution judge，三者的对人一致率全文未测，人工审计子集的规模也未报。账本要求逐个给出 $\kappa^{\mathrm{gate}}_{\mathrm{trig}}$ 、 $\kappa^{\mathrm{gate}}_{\mathrm{crit}}$ 、 $\kappa^{\mathrm{gate}}_{\mathrm{ca}}$ 与审计子集体量 $n_{\mathrm{aud}}$ ，并报 $\Delta\kappa=\kappa^{\mathrm{gate}}-\kappa^{\mathrm{eval}}$ 。

第三本登记分层对撞。附录 F.3 的 2×2 表给出：证据充分且状态可逆（ $n=248$ ，42.7 → 63.1，+20.4）、证据充分不可逆（ $n=174$ ，+5.8）、证据不足可逆（ $n=206$ ，+4.7）、两者皆否（ $n=172$ ，+1.7）。四格上 base 与增益的秩相关为 +1.0。而附录 D.2 的静态难度四分位给出反方向的秩序：Easy 71.2/73.0（+1.8）、Medium 58.4/62.8（+4.4）、Hard 44.8/52.7（+7.9）、Extreme 28.8/40.7（+11.9），base 与增益的秩相关为 −1.0。两组分层在难度轴上符号相反，正文却用同一句「增益跟随恢复机会」概括。账本要求把难度四分位与 2×2 交叉成 4×4 表，并把 800 条可恢复前缀之外的 400 条非偏离前缀单独成行。

第四本登记对照与推断。主表（表 1）只有点估计；附录 D.1 给出的是相对 base 的仓库聚类区间，半宽分别为 1.5、2.6、2.7、3.2 分。而 RIPPLE 相对最强受控变体 ICRL-style 的边际只有 +0.5、+1.3、+0.9、+1.3（均值 1.0），四项全部落在对应区间的半宽之内，且附录 B.3 的 Holm 校正只覆盖「四个基准层的主对照」。账本要求对每一个受控变体补区间与 McNemar 检验，并报每个基准的仓库聚类数。

⚠️ 口径提示（2026-10-25 回源）：附录 D.1 那四个区间是 RIPPLE 对 base 的仓库聚类区间（[-0.2,2.8]、[3.9,9.1]、[2.1,7.5]、[3.2,9.6]，半宽 1.5 / 2.6 / 2.7 / 3.2），不是 RIPPLE 对 ICRL-style 的区间。把 +0.5 / +1.3 / +0.9 / +1.3 拿去比这些半宽，得到的是「边际小于 base 对照的不确定性」这一间接结论，不是「边际不显著」的正式检验。方向不变（边际确实小于误差棒），但第四本账要求的是直接做 RIPPLE−ICRL 的配对检验，不可复用 D.1 的区间替代。另核：四个半宽由区间端点复算无误，(2.8-(-0.2))/2=1.5、(9.1-3.9)/2=2.6、(7.5-2.1)/2=2.7、(9.6-3.2)/2=3.2。

第五本登记成本归因。部署侧成本表列到小数点后两位（外部调用 0 / 4.8 / 10.9，actor token 1.00–1.17 倍，p95 延迟 1.00–2.61 倍），训练侧却是空白：

每次 code-writing 动作后的快照执行、每条候选前缀的 GRM 调用、每条批评的 consistency model 调用、每个纠正段的 attribution judge 调用，全部未计；论文在 Limitations 里自陈「no complete amortized analysis」。而在线同教师参考在四个基准上是 76.0、57.9、73.8、31.0，四项全部高于 RIPPLE 的 75.9、57.3、73.6、30.7。内化换来的是每次部署省 4.8 次外部调用、代价是 0.1–0.6 分与一笔未入账的训练开销，盈亏平衡部署次数从未被算过。

⚠️ 订正（2026-10-25 回源）：上文「p95 延迟 1.00–2.61 倍」是整张表的取值范围，不是 RIPPLE 自身的延迟。回 arxiv.org/html/2610.31276v1 表 1 逐行核对：RIPPLE 一行是外部调用 0、actor token 1.17×、p95 延迟 1.23×；2.61× 属于 Online strong critic（外部调用 10.9/任务）那一行，1.57× 属于 Online same teacher。RIPPLE 与 base 的延迟比是 1.23 倍，与 ICRL-style 的 1.18×、MURPHY-style 的 1.13× 同量级——内化方案在延迟上比在线批评者便宜，而不是比基线贵。「1.00–2.61」这个写法把最贵的一行算进了 RIPPLE 的成本描述，方向读反了。下文所有涉及部署延迟的论证一律以 1.23× 为准。

技术路线

复现路径分四步。先在原脚手架上以 Qwen3.5-27B 与共享的 Recovery-SFT 检查点重跑式（11），在训练循环中挂三个计数器： $\rho_{\mathrm{var}}$ 按 $(\text{组内奖励不全同的组数})/(\text{总组数})$ 计， $(\pi_{+},\pi_{0},\pi_{-})$ 按 token 计数并区分三段。这一步不新增任何模型调用，成本为零。

第二步补标签溯源。取论文那套人工审计协议，在训练侧三类标注器的输出上各抽同样规模的子集复标，得 $\kappa^{\mathrm{gate}}$ 三值与 $\Delta\kappa$ ；再换一个模型族重跑 attribution judge，重训一次，报端到端分数的变化。第二步的读数直接决定第二本账怎么解释第一本账：若 $\kappa^{\mathrm{gate}}_{\mathrm{ca}}$ 明显低于 0.73，则动作阶段承载的最大贡献（去掉它 Pro 从 57.3 掉到 54.0、Full-Loop 从 59.6% 掉到 43.5%）建立在最不可靠的那一道上。

第三步做反事实归因。附录 F.1 的 matched-prefix 干预机制已经存在——固定检查点、前缀、仓库快照、剩余预算与配对解码种子，只替换批评——但只被用于评测。把它接到训练侧的 $h^{\mathrm{ca}}$ 上：对判定为 effective 的纠正段，删掉批评重跑同一段，比较 F2P/P2F 是否仍然改善；判定为 ineffective 的段同样处理。这一步给出归因裁判的假阳性率 $\pi^{\mathrm{attr}}_{\mathrm{fp}}$ 与假阴性率，把「judge 说是你修好的」换成「删掉它就不修了」。

第四步跑三条等预算臂。反向门臂在失败轨迹的有效段上补一个与终端结果无关的小正项，检验单向性是不是绑死了机制上限——这是区分「删除信用」与「赋予信用」的唯一直接实验。随机翻转臂按附录 F.2 的做法做，但把随机翻转换成「只翻裁判最自信的标签」，因为真实裁判误差集中在难判样本上，随机翻转是最温和的噪声模型。等预算臂把离线辅助调用总量对齐到在线同教师参考的 4.8 次/任务，让内化与在线化的比较落在同一本账上。

三个技术挑战落在不同的层。 $\rho_{\mathrm{var}}$ 的估计依赖组大小 $G$ 与训练任务数，而论文没有报 $G$ 、训练任务数、RL 步数与 GPU 小时中的任何一个，复现时需要自行设定并扫描 $G\in\{4,8,16\}$ 观察 $\rho_{\mathrm{var}}$ 的敏感性—— $G$ 越大组内越难全同， $\rho_{\mathrm{var}}$ 越高，机制的有效样本量与 $G$ 直接耦合。反事实归因的第二个挑战是代价：每次重跑纠正段都要恢复仓库快照并重放工具调用，只能抽样做，抽样比例决定了 $\pi^{\mathrm{attr}}_{\mathrm{fp}}$ 的区间宽度。第三个挑战在 2×2 表的可迁移性上：F.3 的四格只在 800 条可恢复前缀上划分，而部署分布里可恢复偏离的占比是 Verified 17.8%、Pro 43.6%、Multilingual 39.8%、Compass 41.2%，把 2×2 的边际增益 +9.16 乘以各基准的占比，得到 1.63、4.00、3.64、3.77——只有 Verified 的 1.63 与实测 +1.3 对得上，其余三项实测（6.5、4.8、6.4）全部高于预测。这条重建对不上，说明挑战集的条件增益与基准上的条件增益不同源，跨母体换算是本提案必须自己解决的那一环。

预期成果

第一，给出 $\rho_{\mathrm{var}}$ 与 $(\pi_{+},\pi_{0},\pi_{-})$ 在三个 $G$ 档下的第一手数值。若 $\pi_{0}$ 超过 0.5，则「阶段化信用分配」这一命名与「多数恢复 token 不参与更新」这一事实需要重新对齐，后续所有过程门控方法都应把置零比例作为强制刊出项。

第二，把门标签的可靠性从评分侧挪回训练侧。预期 $\kappa^{\mathrm{gate}}$ 三项中有至少一项低于对应的 $\kappa^{\mathrm{eval}}$ ；届时 E.2 的贡献排序（去触发 −1.7、去诊断 −2.5、去动作 −3.3）与可靠性排序（0.81、0.76、0.73）严格反号这一事实就获得了完整解释，而不是停留在「恰好相反」的观察上。

第三，产出归因裁判的假阳性率 $\pi^{\mathrm{attr}}_{\mathrm{fp}}$ 。附录 F.2 的噪声审计说 20% 标签腐败只掉 1.2 分，而 RIPPLE 对最强基线的 Pro 边际是 1.3 分；两者同量级意味着只要归因裁判的真实错误率接近两成，「有效动作」这一阶段的可辨识性就与头条边际同宽，机制结论与基线差异不可分。

⚠️ 竞争读法（2026-10-25 回源）：附录 F.2 原文把同一张表读成反向结论——「Randomly flipping 10–20% of the process labels degrades Pro smoothly and costs fewer than 1.5 points, indicating that the stage-local objective does not depend on perfectly clean labels」。同一组数字，作者读作鲁棒，本提案读作可辨识性不足。两种读法都成立，差别在分母取谁：作者拿 1.2 分比 base 的 50.8（2.4%），本提案拿它比最强基线的边际 1.3 分（92%）。第三本账必须把分母写死，否则同一张表能被两边各引一次。另核：10% 腐败掉 0.5 分、20% 掉 1.2 分，原文逐字命中。

第四，给出内化方案的盈亏平衡部署次数。把训练侧的 GRM、consistency model、attribution judge 与快照执行折算成每次部署均摊的等效调用数，与在线参考的 4.8 次/任务相除，得到内化优于在线化的最小部署规模；这个数字目前不存在，而它恰恰是「no auxiliary critic at deployment」这一卖点能否成立的判据。

第五，交付一份可复用的账本模板与计数钩。五本账的每一项都是训练循环里的计数器，不是事后分析；任何采用二值门控终端信用的方法（阶段化信用、局部有效性门、过程级筛选）都能直接挂载。

引用核验记录（2026-10-25）

本稿声明	一手出处	结果
RIPPLE，v1 2026-10-22，cs.AI	`arxiv.org/abs/2610.31276` 的 `citation_title` / `citation_date`	✅ 题名 Recovery Internalization through Process-Level Policy Learning and Effect-Aware Credit for Long-Horizon Agentic Coding
算术均值 +4.8（精算 4.75）	表 1 与附录 D.1 正文	✅ 两处逐字命中
Verified +1.3 / Pro +6.5 / Multilingual +4.8 / SWE-Compass +6.4	表 1	✅
附录 D.1 区间半宽 1.5 / 2.6 / 2.7 / 3.2	表 D.1 的 `[-0.2,2.8]` `[3.9,9.1]` `[2.1,7.5]` `[3.2,9.6]`	✅ 由端点复算无误
部署侧外部调用 0 / 4.8 / 10.9	表 1	✅（分属 RIPPLE / Online same teacher / Online strong critic 三行）
actor token `1.17×`	表 1 与 Limitations	✅
p95 延迟 `2.61×`	表 1	❌ 归错行——`2.61×` 是 Online strong critic；RIPPLE 自身为 `1.23×`。已加 ⚠️ 订正
组内奖励恒定时 $\widehat{A}_i=0$ 、符号门无梯度信号	HTML v1	✅ 但出处为正文 §3，非附录 C。已订正
Cohen’s $\kappa$ = 0.81 / 0.76 / 0.73（边界 / 诊断 / 动作归因）	§4.1「Fixed recovery evaluation」	✅ 逐字命中
Recovery Challenge Set：800 条可恢复 + 400 条非偏离前缀	§4.1	✅
附录 F.3 四格：248 / 174 / 206 / 172，增益 +20.4 / +5.8 / +4.7 / +1.7	§4.4 正文	✅ 四项全中
2×2 边际增益 +9.16	无	✅ 本稿自算：按 $n$ 加权 $(248\times20.4+174\times5.8+206\times4.7+172\times1.7)/800 = 7328.2/800 = 9.16$ ，复算无误
重建值 1.63 / 4.00 / 3.64 / 3.77	无	✅ 本稿自算： $9.16\times(0.178,0.436,0.398,0.412)$ 复算无误
附录 D.2 难度四分位 71.2/73.0、58.4/62.8、44.8/52.7、28.8/40.7	附录 D.2	✅ 四档全中，且「等权均值复现 Pro 的 50.8/57.3」原文亦命中
可恢复偏离占比 17.8% / 43.6% / 39.8% / 41.2%	§1 与附录 D.2	✅ 两处一致
positive-credit contamination 38.4% → 11.2%	§4.3	✅ 完整阶梯为 38.4%（outcome-only GRPO）→ 24.6%（event-local）→ 11.2%（RIPPLE），本稿只取首尾
去动作阶段：Pro 57.3 → 54.0、Full-Loop 59.6% → 43.5%	§4.3 与附录 E.2	✅ 两处一致
去触发 −1.7 / 去诊断 −2.5 / 去动作 −3.3	附录 E.2（55.6 / 54.8 / 54.0 对 57.3）	✅ 复算无误
在线同教师参考 76.0 / 57.9 / 73.8 / 31.0，四项均高于 RIPPLE	表 1	✅ 差值为 0.1 / 0.6 / 0.2 / 0.3，与原文「within 0.6 points on each benchmark」一致
ICRL-style 边际 +0.5 / +1.3 / +0.9 / +1.3，均值 1.0	表 1（75.4 / 56.0 / 72.7 / 29.4 对 75.9 / 57.3 / 73.6 / 30.7）	✅ 复算无误
附录 B.3 Holm 校正只覆盖「四个基准层的主对照」	附录 B.3	✅ 逐字命中
Limitations 自陈「no complete amortized analysis」	Limitations「Cost and recovery boundaries」	✅ 逐字命中
论文未报 $G$ 、训练任务数、RL 步数与 GPU 小时	HTML v1 全文	✅ 全文 grep `GPU` 命中 0 次；`G` 只在式（5）作为符号出现，未给数值
附录 F.2 噪声审计：20% 腐败掉 1.2 分	表 F.2	✅（10% → 0.5 分）
附录 F.1 matched-prefix 固定检查点 / 前缀 / 快照 / 预算 / 配对解码种子	附录 B.3 与 F.1	✅
MURPHY / pivotal-aware retry / ICRL / SCoRe / TRACE 五个对照编号	五份 abs 页 `citation_title`	✅ 题名与日期全部对齐

本轮订正与边界

订正（数值归行错误）：第五本账的「p95 延迟 1.00–2.61 倍」把表里最贵的 Online strong critic 一行算进了 RIPPLE 的成本。RIPPLE 自身 p95 为 1.23×。已在正文加 ⚠️ 块保留原表述并给出正确值，方向随之反转：内化在延迟上优于在线批评者（1.23× 对 1.57× 与 2.61×），只是略贵于其他离线受控变体（1.13×–1.18×）。
订正（出处错位）：「组内奖励恒定时符号门无梯度信号」出自正文 §3，不是附录 C。附录 C 的内容是 Qwen3.5-27B、150 tool turns、actor-token 预算等训练配置。
新增口径提示：附录 D.1 的区间是 RIPPLE 对 base，不能用来直接判 RIPPLE 对 ICRL-style 的边际是否显著。第四本账要求的逐变体 McNemar 检验因此不可省。
新增竞争读法登记：F.2 那张噪声表同时支持「鲁棒」与「可辨识性不足」两种结论，差别只在分母。第三本账须把分母写死。
未核到的边界：附录 F.3 四格的 base 绝对分（本稿只记了增益）、附录 E.1 完整阶梯的七条规则逐条数值、附录 D.4 的 repair-vs-damage 分解（正文提到 damages 4.8%）、以及 $\rho_{\rm var}$ 与 $(\pi_{+},\pi_{0},\pi_{-})$ ——后两项论文确实全未刊出，是本提案的核心新增量，无法回源，只能复现。
保留说明：第三本账「9.16」与本稿的四项重建值（1.63 / 4.00 / 3.64 / 3.77）均为本稿自算而非论文原值，已在核验表标明；论文只给四格增益与占比，跨母体换算这一步由本提案自行承担。

终审核验记录（2026-10-25）

终审以 arxiv.org/abs/2610.31276 与 arxiv.org/html/2610.31276v1 全文（HTML 剥离后约 7.1 万字符，<math alttext> 优先提取）逐条复核。11 个引用编号全部回源命中：RIPPLE 2610.31276、MURPHY 2511.07833、pivotal-aware self-feedback retry 2607.03702、ICRL 2605.15224、SCoRe 2409.12917、TRACE 2607.13988，题名与 citation_date 与本稿标注一致。

核心数字复核结果：表 1 的 75.9 / 57.3 / 73.6 / 30.7 与四个区间端点；表 D.2 的四档难度分；§4.4 的 248 / 174 / 206 / 172 与 +20.4 / +5.8 / +4.7 / +1.7；§4.3 的 38.4% → 24.6% → 11.2%；附录 E.2 的 55.6 / 54.8 / 54.0 与 50.8% / 47.6% / 43.5%；表 F.2 的 0.5 / 1.2；§4.1 的 0.81 / 0.76 / 0.73 与 800 / 400。全部逐字命中。

两处订正（p95 归行、附录 C → 正文 §3）均为本轮回源新发现，已按「保留原文 + ⚠️ 标注」处理。两处口径提示（D.1 区间主体、F.2 分母）为新增限定，不改变原结论方向。

终审复核（2026-10-25 二审）

本轮回 arxiv.org/abs/2610.31276 与 arxiv.org/html/2610.31276v1（剥离后 73,056 字符）独立复核，结论如下。

p95 订正成立。表 1 逐行读数：base 行 1.09×/1.13×、MURPHY-style 0 / 1.09× / 1.13×、ICRL-style 0 / 1.15× / 1.18×、RIPPLE 0 / 1.17× / 1.23×、Online same teacher 4.8/task / 1.00× / 1.57×、Online strong critic 10.9/task / 1.00× / 2.61×。2.61× 确属 Online strong critic。正文另一处亦明写 “RIPPLE uses 1.17× actor tokens and 1.23× p95 latency relative to the base policy”，双通道一致。
出处订正成立。原文逐字为 “If every rollout in a group has the same terminal reward, $\widehat{A}_i=0$ and sign gating cannot create a policy-gradient learning signal”，位于 §3.3 式（11）之后、式（13）之后那段，属正文。注意 Limitations 段还有一句近义表述 “Sign gating supplies no learning signal in uniform-reward groups”，两者不冲突，本稿引的是前者。

表 F.2 竞争读法回源确证。原文表注逐字：“Randomly flipping 10–20% of the process labels degrades Pro smoothly and costs fewer than 1.5 points, indicating that the stage-local objective does not depend on perfectly clean labels”，与本稿登记的「作者读作鲁棒」一致。表值 0% = 57.3 / 10% = 56.8（−0.5）/ 20% = 56.1（−1.2）。
四格与四分位双向秩相关复算无误。F.3 表 base 列为 42.7 / 31.6 / 27.2 / 12.8、增益列 +20.4 / +5.8 / +4.7 / +1.7，两列同为降序，秩相关 +1.0；D.2 base 71.2 / 58.4 / 44.8 / 28.8、增益 +1.8 / +4.4 / +7.9 / +11.9，一降一升，秩相关 −1.0。F.3 四格还提供 base 绝对值（31.6 / 27.2 / 12.8），本稿上一版登记的「四格 base 绝对分未核」边界已解除。
9.16 确为本稿自算。全文 grep 9.16 仅 1 处命中且落在参考文献 arXiv:2509.16941 的编号子串里，属假阳性；论文未刊出该值。
题名口径微调：abs 页 citation_title 为 RIPPLE: Recovery Internalization through …，带 “RIPPLE:” 前缀；本稿核查表内省略了前缀，不影响识别，此处登记备查。
未闭合边界（移交下轮）：附录 E.1 完整阶梯七条规则的逐条数值、附录 D.4 的 repair-vs-damage 分解（正文提到 damages 4.8%）、表 1 中 base 行的绝对分，以及 $\rho_{\mathrm{var}}$ 与 $(\pi_{+},\pi_{0},\pi_{-})$ ——后两项论文全未刊出，只能复现。
新增站内关联：relatedContent 补 3 条（CCL 耦合条件账本 / PACT 信用分配精读 / 《数据工程》Ch16 推理模型 RL 数据）。