下一轮实验：从 proof 走向真实基线战
S1a 已经成立。S1b 的受控 proof 也已经跑通：
token_acc=0.429
context_acc=1.000
shuffled_acc=0.482
但这还不够。下一轮实验目标不是继续提高 Echo，也不是重复受控 proof，而是把 S1b 放进真实语料和强基线里。
最小模型
从一个小模型开始：
H_token = E[token]
H_ctx = mean(E[left_window + right_window])
H = normalize(H_token + A @ H_ctx)
path = route(H)
这里 A 是小矩阵，不是大模型。目标不是追求榜单分数，而是验证路径会不会随上下文变。
第一关：真实语料多义词
继续使用：
light
bank
charge
要求：
| 指标 | 通过条件 |
|---|---|
| real-label accuracy | 高于 token-only |
| shuffled-label accuracy | 明显下降 |
| random hash | 低于 context SPR |
| keyword / BoW baseline | 作为 sanity check |
如果真实标签和打乱标签差不多，实验失败。
受控样本已经通过；下一步必须从语料中抽取真实上下文，避免上下文向量被人工 sense anchor 喂得过干净。
第二关：随机哈希
构造同样容量的 random hash：
same dim
same chunks
same depth
same leaf count
如果 SPR 和 random hash 差不多，说明路径结构没有语义贡献。
第三关：BoW 小模型
用一个简单上下文模型做基线：
bag of context words -> sense
这不是为了赢 SPR，而是为了防止 SPR 对一个简单任务说大话。
如果 BoW 轻松解决，SPR 至少要解释自己为什么更有价值：
- 更可组合？
- 更适合结构生成？
- 更能接 fold state？
第四关：接 S2 fold state
如果局部窗口不够，就把 S2 的结构信号接进来：
token
local context
head/span/fold state
-> conditional path
这一步才可能让路径带上句法和语义角色。
输出要求
每次实验必须输出：
seed
dataset slice
target words
token-only metric
context-route metric
random-hash metric
BoW or keyword metric
shuffled-label metric
claim decision
结果必须写回：
ara/s1-echo/evidence/README.md
ara/s1-echo/logic/claims.md
通过标准
只有满足下面条件，S1b 才能从受控 supported 进入工程 supported：
context SPR > token-only route
context SPR > random hash
real labels > shuffled labels
如果还要升级成 verified，还需要跨数据切片和多 seed 稳定。
License: GPLv3