03 · 评分与迭代记录

记录每轮：双评委逐项分数、平均分、Top 扣分与修复动作、新增实验。评分规则见《01-竞品分析框架与评分标准》§6–§7。评委为无上下文独立代理，任务书：experiments/scripts/judge_prompt.md。

迭代总览

版本	日期	评委1	评委2	平均	目标	结果	关键动作
v1	2026-09-24	81	80	80.5	≥65	✅ 达成	Round 1: E1/E2/E4/E5 × 4 配置
v2	2026-09-24	86	85.5	85.75	≥80	✅ 达成（通过线未达）	Round 2/3: E3、E5B、E6、tuned 行、1M 预热合规重测、E5P 压力耦合发现
v3	2026-09-24	—	—	—	≥90	—	Round 4: E4P 重跑（修归因错误）、E5P 补 5 reps、E4 离散度、条件落盘

Round 1 → 文档 v1

数据：experiments/data/round1/（E1/E2/E4/E5 × system/jemalloc/jemalloc-tuned/mimalloc × 5 reps，verify 活性证据 8 份；tcmalloc 失败档案 experiments/data/tcmalloc-failure/）

过程事件（诚实性记录）：

初版 E4/E5 协议有缺陷（live 集随机游走、大对象触摸不足），发现后修复 harness 并重测；缺陷数据归档于 round1/superseded/ 并附 README；
tcmalloc 四条接入路径全部 SIGBUS，按框架 §2.1 降档为设计级，崩溃报告归档。

评委 1（A）：81/100（A13 B13 C13.5 D13.5 E18 F10）

溯源抽查 3/3 可达且主数值精确命中；
抓到两处数据错误：①§5.3 稳态开销列（文档 +9.7/+9.0/+8.5% vs 数据 +8.1/+6.9/+6.8%）；②§5.1 "IQR ±5%" 措辞与实际区间不符（system W1 P25 −6.2%）；
新发现：system RR@5s 逐 rep 双峰（0.962/0.961/0.609/0.619/0.955），"5 秒归还 96%"存在过度概括；
门槛判定：D 维 13.5/20✗ 一票否决区；其余五维均过线。

评委 2（B）：80/100（A12.5 B13.5 C12 D14 E18 F10）

溯源抽查 3/3 主数值精确命中（含逐字节复算 E5 全部 20 文件）；
独立确认 A 的两处数据错误（E4 开销列、±5% 措辞）与 RR@5s 双峰；
新抓到协议缺陷：E1/E2 的 throughput 路径无预热循环（§4.3 声明与实现不符），框架要求 ≥1M 全实验未达；
正面确认：verify_jemalloc.err 中 "Background threads: 0" 实证 §7.1 机制归因；tcmalloc 崩溃签名逐字一致；体积数字全部人工验证正确（但未落盘）；
门槛判定：D 维 14/25✗。

v1 平均分：80.5 / 100（双评委：81 + 80）。目标 ≥65 达成；通过门槛未达（总分 <90，D 维 54–56% < 80% 一票否决线）。

Gap 分析（按扣分排序，合并双评委）：

D2 −5/−4.5：E3/E6 矩阵空缺 + tcmalloc 无 S 级数据（E3 已在 Round 2 完成；E6 已备好待跑；tcmalloc 跨平台对照组本环境不可行，维持降档+真机 PoC 建议）
D4 −3/−2.5：E6 宏基准未执行
D1 −2/−2：§5.3 开销列数据错误（+9.7/+9.0/+8.5 → 应为 +8.1/+6.9/+6.8）传导至 §6.2；体积/EINVAL 等 [S] 小项未落盘
D3 −1.5/−2：E5 零离散度 + system RR@5s 双峰（0.609–0.962）被中位数掩盖；"±5%"不实（实际最宽 −8.6%）
C3 −1/−1.5：E1/E2 无预热 + 框架 1M 预热未达
B2 −1.5/−1：tcmalloc S 级数据缺失（降档已接受）
小项：目录、表编号、"稳态开销"定义、E5 曲线图、failures.log 表述、版本边界、brew 编译选项披露、mimalloc 16K 页验证、RR=0 论点四重复收敛

修复动作（v2 计划，数据先行）：

bench.c throughput 路径加 ≥1M 预热，全模式预热统一提升至 1M → 重跑 E1/E2/E3 全配置（round3）
system E5 补 5 reps（共 10）刻画归还时间分布
aggregate.py：开销列/RR 离散度由脚本产出；新增 sizes.json 落盘
E6 sqlite 宏基准执行（round3）
文档 v2 全量修订（数据修正 + 结构性小项 + E3/E5B/E6 新章节）

Round 2 + Round 3 → 文档 v2

数据：round2/（E3 全 5 配置、E5B 三家族、mimalloc-tuned 全行——旧 200K 预热协议）+ round3/（1M 预热合规全量重测：E1–E5B × 5 配置、system E5 10 reps、E6 宏基准、探测落盘）+ round3/pressure/（E5P/E4P 压力耦合对照）。

过程事件（诚实性记录）：

教训：round2 链运行期间用脚本补丁改 run_round.sh，触发 bash 惰性读取报语法错误（数据未损，E5B 15/15 与 tuned 行完整）；后续规则：运行中的脚本不修改；
E6 初版脚本有冗余预热行（建表后正式跑撞 "table already exists"）+ macOS /usr/bin/time -l RSS 单位为字节被按 KB 处理——修复后重跑，失败记录已从 failures.log 清除（15/15 有效）；
重大发现（E5P）：round3 无压力条件下 system E5 全不归还（RR=0），与 round1 的 96% 归还矛盾 → 设计压力对照实验（7GB 不可压缩 hog）→ 证实系统归还由内核内存压力驱动（有压 0.95+，无压 0.000），v1 评委指出的 RR@5s 双峰成因即此；第三方默认在压力下仍 0.000（脏匿名内存不可廉价回收）；
mimalloc E4 EMR 跨轮漂移（0.936→0.882→0.81 加压）被识别为条件敏感现象；mimalloc-tuned 跨协议稳定（0.875/0.875）排除预热混杂；
首个 hog（可压缩 0x01 填充）未产生真实压力（内核压缩器吸收，空闲 37%→36%），改用 xorshift 不可压缩填充后成功（空闲 →27%）；E4P 在此过渡状态下测得，条件已如实标注。

v2 修复对照表（v1 Gap → v2 动作）：

v1 扣分项	v2 修复
D2 E3/E6/E5B 矩阵空缺	E3（表 13）、E5B（表 12）、E6（表 14）全量补齐，可测矩阵 18/18
D4 宏基准 0 分	E6 sqlite 三构建 × 5 reps + 交叉验证结论（§5.7）
D1 开销列数据错误	全表改为脚本产出值（`summary.md`），mimalloc 条件敏感性作为发现如实呈现
D1 体积/EINVAL 未落盘	`sizes.json`、`probe_jemalloc.json`、`probe_mimalloc.json`（round3）
D3 E5 零离散度	表 11 附 P25–P75 + 逐 rep 注记；E5P 表 11b 直接给出逐 rep 值
D3 RR@5s 双峰成因	E5P 实验解答：压力状态调制（§5.4 观察 1/5）
C3 预热协议	bench.c 全模式 1M 预热 + round3 全量重测 + §4.3 声明更新
B1/C4 mimalloc 16K 页未验证	`_mi_os_page_size()=16384` 落盘（probe_mimalloc.json）
C1 brew 编译选项	§10.3 附录（brew cat 摘录）
A2 目录 / A3 表编号 / A4 定义	目录 + 表 1–23 编号 + "稳态开销"严格定义（§4.2）
A3 E5 曲线图	`assets/e5_return_curves.svg`（8 曲线）
E1 归因修正	"8 线程瓶颈=带宽"改为异构核解释（§5.2/§7.1）；新增 XNU 源码证据（§10.5）
E3 平台外推	iOS 链接期断言移入 §9.1 表（含依据）
E4 版本边界	表 21 标注版本边界行
B2 tcmalloc 旧版尝试	环境不可行（GitHub 不通，brew 仅 2.18.1），维持降档；§8.3 真机 PoC 清单保留

评委 1（A）：86/100（A14 B14 C12 D18.5 E17.5 F10；D 维 74% 触发一票否决）

全量复算 269 个 JSON：E1–E6 核心数据链 100% 精确；
发现 E4P 数据归因错误（三重证据：JSON alloc:"system" 自识别、脚本调用 $BIN/bench、objects 同种子对齐）——E4P 文件名为 mimalloc 实为 system 数据，污染表 10/16/20/21 与"条件敏感"叙事链；
压力实验条件不可溯源（文档 7GB / 脚本 4GB / README 7GB 三方矛盾；r11-13 无脚本覆盖；free% 未落盘）；
表 11 @5s/@10s 括号 min–max 冒充 P25–P75；"30 组"实为 25 组；§3 编号残留 2.3。

评委 2（B）：85.5/100（A12.5 B14 C12 D20 E17 F10；各维 ≥80% 但总分 <90）

30+ 项抽查零数字错误，"数值可信度是我复核过的文档中最高的"；
E4 全文无离散度披露：system EMR 逐 rep 0.573–0.815（开销 +23%~+74%）被中位数 0.799 掩盖；
独立确认 E5P 条件不可溯源 + 计数错误；建议补 system E4P（E4 方差最大的恰是 system）；
建议披露"r1–3 实为加压未遂的 4GB hog 组"这一事实（如实写反而更强）。

v2 平均分：85.75 / 100（86 + 85.5）。目标 ≥80 达成；通过线 ≥90 未达（A 判 D 维 74% 一票否决，B 判各维达标但总分不足）。

Round 4 → 文档 v3

过程事件（诚实性记录）：

E4P 归因错误确认与修复：v2 评委 A 溯源发现 E4P 三文件实为 system 数据（三重证据）；错误根源：初版 run_pressure_test.sh 的 E4P 段误用 $BIN/bench 却给文件命名 mimalloc。处置：作废归档（pressure/superseded/ + README）→ bench_mi 真测 mimalloc + bench system 对照各 5 reps（alloc 字段逐一校验）→ 真实结论与 v2 叙事相反：mimalloc E4 压力不敏感（E4P 0.881 ≈ 无压 0.882），"条件敏感 0.936→0.882→0.81"链条的第三点本就是 system 数据；round1→round3 漂移（0.936→0.882）成因未定，如实降级为"未解释的跨轮漂移"；
E5P 时间窗口混杂的发现与排除：重测时 jemalloc 一批 5 reps 出现"归还"（RR 0.95+，1.6s 精确起降）——溯源发现该批恰逢 hog 初载、swap 快速填充期（swap 6.5/7GB），是内核换出脏页的伪影而非分配器归还；设计交错对照协议（je/mi 交替 r41–45 同窗口）验证：稳定压力下两者均 0.000——排除窗口混杂。伪影本身升华为平台洞察（macOS swap 极端期能压出第三方缓存，iOS 无 swap 无此出口）；
E5P 首测的 jemalloc/mimalloc 文件（内部 rep 22/23、31–33 与文件名 r1–3 不符）整体作废、干净编号重测（superseded/README 记录）；
首版固化脚本 hog2.c 缺 unistd.h 构建失败（5 分钟内发现重跑）；脚本 MANIFEST 生成段有乱码字符报错（数据无影响，清单手工补齐）。

v3 修复对照表（v2 Gap → v3 动作）：

v2 扣分项	v3 修复
D1 −4(A) E4P 归因错误	作废 + 双配置重测（表 10 注 1/注 2 撤回声明）+ 全部下游表格/叙事修正
D1/C4 压力条件不可溯源	协议固化：hog2.c 入库、free_pct.log 落盘、MANIFEST.md 逐文件条件、run_pressure_test.sh 参数化可复现
D3 −2(B) E4 零离散度	aggregate.py 输出 EMR IQR + 逐 rep；表 10 全披露（system 0.573–0.815）
C4 复现链断裂	同上；交错协议本身入脚本
E1 −1.5 推理链断裂	条件敏感叙事撤回（基于真实数据重写）；异构核归因降级为"中"并注明未做 affinity 对照
C3/E5P reps 不足	全部 5 reps/配置 + 交错对照 10 reps
D2 −1.5(B) E4P 单配置	补 system E4P（发现其 rep 方差大——本身成为观察 2）
表 11 口径/计数/编号/图注/KiB	全部修正（min–max 标注、25 组、3.1、图 1、kB 十进制）
C2 E6 口径偏离	§5.7 加声明（RSS 外部采样 vs footprint 的偏离 + tuned 不入 E6 理由）

评委 1：{{FILL: v3}} 评委 2：{{FILL: v3}}

v3 平均分：{{FILL}}

（v2→v3 的 Gap 分析与修复动作已并入上方 Round 4 修复对照表；旧"Round 3 → v3"模板占位段已删除——Round 4 即 v3 轮。）