# GAIA真正主账本：累计162／165，约98.2%

**本次找到并核对的历史主账本，按官方165题名单计算，是162/165＝98.18%，页面展示为98.2%。**

这个数字代表持续研发、多轮尝试后的**累计曾解出率**。它是真实账本中的后期研发进度，不应该被最早的65/165、100错题阶段切片或另一组难40题替代。但它也不是一次同模型、同预算、独立全量测试的准确率。

## 为什么这次能说清楚

此前B工作树里找到的是`gaia_correct_ledger.json`正确题导出，以及周报摘要；真正的`gaia_ledger.jsonl`主账本在**原Auto工作目录**和**主仓证据归档**里。现在两份均已读取，完整SHA-256一致。

不是选择数字更高的一份，而是把主账的每条题号与原官方题单对应，再统计布尔字段。

|核对项|结果|处理方式|
|---|---:|---|
|官方题单|165道，规范题号无冲突|作为分母，不用账本总行数|
|主账本原始行数|166行，其中163行标“曾答对”|先排除非官方记录|
|额外测试占位|`TID`，1行且标“曾答对”|不是GAIA题，不能计入分子或分母|
|官方题的主账记录|165道，全部有记录，无重复|逐题对应后计算|
|官方题累计标为已解|**162道**|**162/165＝98.18%**|
|仍未标为已解|3道|保留，不补造成满分|

原台账代码也明确：`TID`来自测试占位，官方题单非空时应排除它。因此，不能直接把原始163/166报出去。

## 两列成绩，不能互相冒充

|列|账本值|它说明什么|
|---|---:|---|
|`ever_correct`|**162/165，98.2%**|经历多轮研发与尝试后，这些题曾被记为解出|
|`first_shot_hit`|65/165，39.4%|**最初单轮**基线；不是当前迭代后的最新单轮能力|

原writer明确将两列分开。展示研发成果时应该讲98.2%的累计进度；要比较正式单次榜单、泛化、模型能力或同成本机制增益，则需要相应的独立实验。这次没有新增那种实验。

## 对应来源核到了哪一步

- 主账把143题的最佳来源指向Auto历史结果文件；这143个题号都能在该文件中找到已有`hit=1`记录。
- 另16题指向原始基线重评分文件；这些题号也都有对应历史命中记录。
- 剩余3题由主账标为注册表答案复判。本次没有再次运行当时评分器或模型，**未重新判题**。
- 162个胜局行中有159个trace引用；这是引用存在的统计，不等于本次逐局打开、复判或完成污染鉴定。

这些是账本与来源的核对，不是说“143题收益全由某个新机制带来”。同一道题可能在不同轮、不同来源中出现，来源归属不等于独立因果贡献。

## 161、164、98.2%为什么会同时出现

- **164/165**是更早的峰值自述，后来有污染清理。
- **161/165＝97.6%**是旧周报中的另一历史记录。它仍保留，但不能再用这一段摘要代替本次找到的主账。
- **164条、163个独立题号**是较早“正确题导出清单”的实际结构，其中有重复题；它不是完整主账。
- **162/165＝98.2%**是本次从主账中按官方名单重新统计的累计值。
- **22/40**来自另一组定向难题与不同条件的测试，不能替代165题累计进度。
- 旧100错题的36/26/8/30是更早阶段的去向分析，也不是这份后期主账的成绩。

主账165个官方题行的`updated`字段均为2026-08-18；原文件后续保存及复制时间与实验日期不同。本次是在2026-09-28核对这些历史文件，**不是在这一天重跑出了98.2%**。不同旧摘要与账本之间的时间、统计差异如实保留，不编造“161到162一定由某一项改动带来”。

## 隔离假胜的记录没有被删掉

隔离文件有7条历史尝试，涉及4道官方题；对照这份主账，其中2题仍未解、2题已标累计解出。隔离的是历史尝试，不能因为某题曾有假胜，就永久排除这道题的后续所有记录；同样，也不能只看最终布尔值就宣布后续胜局全都已完成无污染鉴定。

独立复核也得到162/165，但补充了一个具体限制：现存`8d46`胜局输入比官方原题多692字符补充，本轮没有判定这些补充是否含答案线索，因此不作为原题无提示单次成功证明。另一个隔离后计对题的现存输入与原题一致，但仍缺完整运行条件与独立复判。没有把这些历史问题藏掉，也没有因此擅自改写主账分数。

这次没有修改主账、隔离文件、题单、答案或旧结果。原件指纹、核账方法和不含题面／标准答案的统计索引可下载；原始题面、标准答案和私有运行日志不随网页发布。