2026-08-07　·　防御軸　·　言い過ぎ

なぜ「永久除名」は実は二つの妥当な修正の積なのか

実測では、ペナルティを受けた 368 シードのうちルーティングに戻ったのは 0 でした。私たちは「一度捕まる = 永久除名」と言いました——しかし本当の仕組みは時計ではなく、slash が平均を半分にすると同時に観測数を倍にし、その観測数が回帰時間の指数係数になっていることです。

ペナルティメカニズムのシミュレーション評判

実験結果はこうでした。実際にペナルティを受けた 368 個のシミュレーションのシードを走らせると、ルーティングに戻ったのは 0 でした。

私たちの結論はこう書かれていました。

一度捕まる = 永久除名。

この文が述べる現象は正しいのですが、仕組みの説明は誤りです。 そして誤った仕組みの説明は誤った直し方につながるので、最後まで追う価値があります。

#まず、どれほど極端かを見る

ペナルティの解析可能な形はこうです。

必要な観測数 ≥ exp( n' · ((target − mean') / c)² ) − 1

m = 0.9、target = 0.95、c = 0.3 として、各設定で必要な総観測数（log₁₀）を計算しました。

ペナルティ前の n	f = 0.5, λ = 0	f = 0.5, λ = 1（現行）	f = 0.9, λ = 0	f = 0.9, λ = 1
1	1.21	4.83	0.09	0.13
3	3.62	9.65	0.28	0.34
10	12.06	26.54	0.95	1.07
48	57.91	118.22	4.54	5.07

主な原因は slash の実装の形です。

β += (α + β) · (1/f − 1)        α は動かさない

この形には二つの効果があります。

効果	結果
事後平均を半分にする	target − mean が大きくなる
実効観測数 n を倍にする	そして n は回帰時間の指数係数である

一点での実測（シード p1、800 ラウンド、f = 0.5）：

	ペナルティが起きたラウンド	ペナルティ後のスコア	観測数	その後ルーティングに戻ったか	得た仕事
λ = 0	39	0.2887	0.7186	10 ラウンド後	74 件
λ = 1（現行）	39	0.2887	3.4373	一度もない（残り 761 ラウンドで 0 回）	0 件

グリッド走査（30 シード × 600 ラウンド、盲点 0）：

私たちの元の根拠は、捕まった 16 シードのうち 16 がその後二度とルーティングされなかった、というものでした。

しかし再検証は、これが交絡であることを見つけました。 同じセルで一度も捕まらなかった残りの 14 シードも同様に停止していました——排除されたから止まったのではなく、スコアが低くて選ばれなかったのです。

きれいに切り分けたあとの数字（defect_budget = 1、4,000 ラウンド）：

	シード数	何ラウンド目まで走ったか
捕まらなかった	27 / 30	第 3,993 ラウンドまで（終了）
捕まった	3 / 3	その後 3,961 ラウンドのあいだルーティングゼロ

しかも「永久」には実は条件があります。

slash 係数	ルーティングに戻ったラウンド
0.9	第 177 ラウンド
0.8	第 520 ラウンド

2026-08-17、プロジェクトはこの挙動を残すと明確に判定しました。判定の理由はとても率直に書かれています。

理由は「0/368 と 214/368 を見たうえで」。