qing
b73628b2e5
teacher forcing val 0.000394 三方最优，但闭环 overall_mse 19843、 error_growth 13.4 首次发散。根因：spk.F 尺度放大（1 归一化单位 =5000Hz）与 w=0.2 放松叠加 exposure bias，自预测反馈滚雪球。 排除保留位列失控与推理端实现 bug。加权方案部分有效（hand 类 episode 2.2-2.8× 优于模型 B），需叠加 R1-B rollout（模型 D 训练中）。