S18 · 可以重新读取，循环依然存在
动态读取提高总体成绩，却不会使每一个样本都正确。一条已有评分证据足以限定当前问题，随后把研究视线转回完整系统结构。
状态 b0
LAB02源b d a d e，正确e d a d b EOS，实际d e d a b EOS。beam2每步最多保留2条候选，已保留正确完成项；评分是含EOS的逐词自然对数概率之和，无长度惩罚，越大越好。正确−1.280045低于错误−.905535，首错在BOS。
状态 b1
源h1…h6依次形成，目标状态仍循环产生；逐次读取增加源访问通路，尚未替换序列计算骨架。
公式与算例详情
来自DN2对DN1云端 dynamic-500.pt 的只读重评，按测试顺序选择第一条greedy失败，索引25。源 b d a d e，目标 e d a d b EOS，实际 d e d a b EOS。第一步两种路径都只输入BOS，已发生错误，不能把首错解释为此前生成错词的积累。当前实现初始h=0、query无bias，首步均匀读取；encoder表示仍可含信息，所以均匀不是已证实根因。
beam2最终保留正确完成项，但其累计自然对数概率−1.280045低于错误项约−.905535；包含EOS，无长度惩罚。云端与本地末位有约6.41×10⁻⁷差别，排序相同。这支持先查模型排序与首步机制/训练，不证明全空间全局最优，也不证明beam从此无用。
补充阅读中的her/him教学评分是另一案例：同条件下her−6.4高于返回him−8.2，支持至少这一对候选的搜索遗漏。两个案例并存，不能拼成一次运行或互相撤销。
路径A：与构造搜索遗漏例成对比较
教学构造，不是checkpoint实跑。 源句相同，模型、tokenizer和评分规则相同；两句都含八个目标token，计入句号和EOS，分数为各目标条件概率自然对数之和，无长度惩罚。返回项I gave him a book yesterday . EOS得分−8.2；未返回的I gave her a book yesterday . EOS得分−6.4。对数概率较大者为−6.4，因此在所列这对候选中模型更偏好正确句，搜索却未返回它。
结论只到这一步：候选生成、覆盖、剪枝、实现或终止处理值得优先查。它不证明正确句是全空间最优，不证明模型所有源信息都用对，也不说明只扩大beam就一定解决其他错误。若正确候选已有但给分更低，诊断会转向模型排序等问题；本页LAB02真实合成反转样本提供这种不同证据，不能将两组分数混成同次运行。
竞争解释可通过有条件的试验分开：固定模型重算已知候选分数；记录beam中正确前缀何时被剪；改变源中的关键事实做配对；查看训练数据与留出误差。诊断是确定下一项有区分力的观察，不是把所有机制一次加上。
课堂只作短回访：本真实反转例正确候选已被beam2保留，模型却给错误候选更高分；构造her/him例则同一模型更偏好正确句而搜索未返回。二者分别解释不同证据，不能互相替代。默认路线不再逐树演绎两案。