v1.2.2: statistical validation hardening (FINAL_TEST leak fix + matched-card bootstrap + matched-seed rarity test)

FINAL_TEST leakage fixed (audit 2): model selection uses ONLY TRAIN+VALIDATION;
FINAL_TEST is a true holdout, never used for fairness/Spearman/candidate selection/
threshold/logistic/weights. VALIDATION fairness uses VALIDATION-internal disjoint
pairs only (audit 3). Pairwise + similar-BP split into train/validation/final
(audit 4/5); release reports pairwiseFinal 0.761 and similarBPFinal 0.543.
WinProbabilityModel: logistic fitted on TRAIN, VALIDATION sanity, FINAL only
Brier/LogLoss/bins/ECE (audit 6). All scripts use Object.keys(NCB.ARCHETYPES)
(7 archetypes incl. Support) (audit 7).

Adjacent-rarity matrix pseudo-replication fixed (audit 8/9/15): matched-card
bootstrap CI (statistical unit = independent card pair, not a battle); reports
battle/generatedCard/seed/pair counts; archetype-conditioned rows; DRAWS reported
separately (Support 'inversions' in v1.2.1 were Support-mirror stalemates, not
rarity losses). Matched-Seed Rarity Test added (audit 10/11): causal (matched)
0.75-0.85 and population 0.57-0.64, both 0 hard inversions (<40%) -> per audit 22
NO Generator v2 rebalance.

v1 fixture truly anchored to historical commit 19ca5a4 (audit 17/18): generated
from a temp worktree at that commit; generator refuses to run without
--historical-ref; tautological assertion removed (audit 19, count == 189).
Health metrics: n=2000, point + 95% CI + P50/P75/P90/P95 per archetype
(audit 20/21). stalemate 6.40% [5.41-7.56] exceeds the 5% point gate, driven by
Support/Tank mirror sustain loops; documented honestly (audit 21: long tail is not
a blocker; audit 24 A-E all satisfied), no hidden rebalance.

Version 1.2.2; 177 tests pass; npm run verify + calibration + matched-rarity +
adjacent matrix + similar-BP + health + browser QA (desktop/mobile) verified.

Author: NBL Agent

FINAL-REPORT.md

@@ -1,6 +1,7 @@
 # FINAL-REPORT — 数值对战实验室
 
-**Status:** v1.2.1 · all final gates green · competencies verified in this environment
+**Status:** v1.2.2 · validation-correctness patch · §24 完成标准 A-E 全满足
+（health stalemate 发现已如实记录，非本版 blocker）· competencies verified
 
 ## 1. 项目最终结构
 
@@ -121,22 +122,28 @@ NUMERICAL-BATTLE-LAB-v1.0.0/
 - 战斗按 priority/speed 顺序结算（顺序非分片）；相同/镜像阵容先手方约 -2~6 个百分点。
 - 单机本地，无网络多人/服务端/云存档；卡牌库存在浏览器本地存储。
 - 生成卡镜像自愈组合可能打满 maxRounds（draw），由 maxRounds 兜底不挂起。
+- **v1.2.2 实测**：Health stalemate n=2000 point **6.40% [5.41-7.56]**，超出 §20
+  point<5% 门禁；主因是 Support 镜像（30.9%）与 Tank 镜像（8.0%）的 heal/shield
+  sustain 循环。诊断确认单一 sustain 旋钮无法修复（结构性），按 §22 不重调 Generator v2，
+  作为已文档化发现记录待后续轮次；不隐藏、不误标通过。
 - 战力是 1v1 通用排序指标，不是任意 matchup 的精确胜率；UI 不显示精确百分比，
   用 `战力较高 / 战力接近 / 战力较低` 或仅显示战力数字。
 
 ## 6. 验证门禁（本环境重测）
 
 ```
-ALL TESTS PASS              ✔ 全量测试通过（含 v1 fixture / budget-curve / calibration-semantics）
-STATIC CHECK PASS           ✔ 91 参数 / 18 Effect / v1.2.1 版本门禁 / manifest 审计
-V1 HISTORICAL FIXTURE       ✔ 189 张旧卡 sha256 与 v1.1.0 逐字节一致
-HEALTH METRICS              ✔ 秒杀 0% / 僵局 <5% / 中位数 8 回合
-STRICT RARITY MONOTONICITY  ✔ adjacent-rarity-matrix：11 组方向全部正确（CI 下界 > 0.5）
-ADJACENT RARITY MATRIX      ✔ winRateHigherTier 全部 > 0.5（A→A+ 0.535, S→SS 0.566, XS→XS典藏 0.540）
-SPEARMAN                    ✔ validation ~0.75-0.81（selected weights）
-PAIRWISE ORDERING ACCURACY  ✔ ≥ 0.75（直接正反位）
-SIMILAR-BP FAIRNESS         ✔ |ΔBP|/mean ≤ 5% 直接正反位 ∈ 40-60%
-WIN PROBABILITY CALIBRATION ✔ logistic(ln BP 比) + Brier/LogLoss/bins
+ALL TESTS PASS              ✔ 全量测试通过（177，含 v1 fixture / budget-curve / calibration-semantics）
+STATIC CHECK PASS           ✔ 91 参数 / 18 Effect / v1.2.2 版本门禁 / manifest 审计
+V1 HISTORICAL FIXTURE       ✔ 189 张旧卡 sha256，由 v1.1.0 历史 commit 19ca5a4 worktree 生成
+HEALTH METRICS              ✔ 秒杀 0% [0-0.19] · 中位数 9 · P90 25 · P95 40
+                              ⚠ stalemate 6.40% [5.41-7.56]（>5% 门禁，已文档化，非本版 blocker）
+STRICT RARITY MONOTONICITY  ✔ adjacent-rarity-matrix：11 组方向全部正确（conditional）
+ADJACENT RARITY MATRIX      ✔ conditional win rate 全部 EXPECTED（0.66-0.86），hard inversions 0
+MATCHED-SEED RARITY TEST    ✔ Causal 0.75-0.85 / Population 0.57-0.64 全部 EXPECTED，hard 0
+SPEARMAN                    ✔ FINAL_TEST (frozen holdout) 0.785（validation selected）
+PAIRWISE ORDERING ACCURACY  ✔ FINAL 0.761 ≥ 0.75（split train/validation/final 隔离）
+SIMILAR-BP FAIRNESS         ✔ FINAL 0.543（ideal ~0.50）∈ 40-60%
+WIN PROBABILITY CALIBRATION ✔ 拟合于 TRAIN，FINAL holdout Brier 0.214 / LogLoss 0.621 / ECE 0.191
 BROWSER QA DESKTOP          ✔ Chromium 1440×1000：全中文、新手流程可独立玩通、
                               卡牌库/生成/帮助/高级实验室全部可用、无 JS 错误
 BROWSER QA MOBILE           ✔ Chromium 390×844：无横向溢出、无 NaN
@@ -146,12 +153,27 @@ PAGES ACTION                ✔ GitHub Pages deploy PASS
 
 附注：浏览器控制台仅有 1 条 `favicon.ico` 404（非引擎错误，可忽略）。
 
-## 7. 最终判断（v1.2.1 §19）
-
-- **稀有度越高，统计意义上实力越高** —— 由 adjacent-rarity-matrix 直接支撑：
-  11 组相邻档 higher-tier 胜率全部 > 0.5，95% CI 下界全部 > 0.5（严格单调）。
-- **战力越高，大概率更强** —— 由 Pairwise ordering accuracy ≥ 0.75 支撑。
-- **战力接近的卡，大多数情况下属于近似实力区间** —— 由 Similar-BP fairness
-  （|ΔBP|/mean ≤ 5% 直接正反位，higher-BP 胜率 ∈ 40-60%）支撑。
+## 7. 最终判断（v1.2.2 §24）
+
+- **A. 高稀有度整体人群统计更强** —— Population 11 组 conditional 全部 EXPECTED
+  （0.57-0.64），hard inversions 0。
+- **B. 同 seed/archetype 仅提升 rarity 绝大多数不变弱** —— Causal matched 11 组
+  conditional 全部 EXPECTED（0.75-0.85），hard inversions 0。
+- **C. 不存在大量 same-archetype higher-rarity WR<40% 系统性反转** —— matched +
+  population 均 hard inversions 0。
+- **D. BattlePower FINAL 完全未参与模型选择** —— `modelSelectionUsedSplits =
+  ['TRAIN','VALIDATION']`，FINAL 只在 freeze 后 holdout。
+- **E. v1 fixture 真正来自 v1.1.0 历史 commit** —— 由 19ca5a4 worktree 生成，golden
+  不可自动再生成。
 - **战力只是观测指标，不参与实际战斗结算** —— 由 battlepower.js 只读实现 +
   identical-data-diff-rarity 同 BP 测试 + BattleEngine 冻结保证。
+
+## 8. v1.2.2 版本策略结论（§26）
+
+- 本轮只修统计脚本（Phase A）：FINAL_TEST 泄漏、pseudo-replication、Archetype 覆盖、
+  v1 fixture 锚定、health CI 等全部修正；**产品功能与 Generator v2 冻结**。
+- 新严格测量证明 **matched-seed rarity 与 population rarity 均健康**（0 hard
+  inversion），故按 §22 Phase B **不做 Generator v2 数值重调**。
+- Health stalemate 6.40% [5.41-7.56] 超出 §20 point<5% 门禁，作为 **validation
+  correctness patch 的诚实发现**报告（§21 明确“长尾不是 blocker”，§24 A-E 全满足），
+  不隐藏、不误标通过，留给后续轮次最小 sustain/composition 调整。

QA-REPORT.md

@@ -1,6 +1,6 @@
-# QA 报告 — v1.2.1
+# QA 报告 — v1.2.2
 
-发布候选：`数值对战实验室` v1.2.1（战力可信度与相邻稀有度校准）
+发布候选：`数值对战实验室` v1.2.2（统计验收方法与数据泄漏修正，validation correctness patch）
 
 ## 自动化验证
 
@@ -10,7 +10,7 @@
 npm run verify
 ```
 
-结果：**全量测试通过**，静态架构检查通过（v1.2.1 版本门禁 + manifest 审计）。
+结果：**全量测试通过**，静态架构检查通过（v1.2.2 版本门禁 + manifest 审计）。
 
 生成能力计数（verify 时）：
 
@@ -24,53 +24,96 @@ npm run verify
 - 示例技能：63
 - 示例状态：33
 
-## 战力校准（v1.2.1 三分离门禁）
+## 战力校准（v1.2.2 无泄漏三分离门禁）
 
 `scripts/power-calibration.js`：TRAIN / VALIDATION / FINAL_TEST 三套 seed 完全分离；
-`fitBattlePowerWeights()` 在 TRAIN 上自动拟合，VALIDATION 按 Spearman + similar-BP
-fairness 选模型，FINAL_TEST 只跑一次（§13A/§14）。
+`fitBattlePowerWeights()` 只在 **TRAIN** 拟合；**VALIDATION** 按 Spearman + similar-BP
+fairness（只用 VALIDATION 内部 disjoint pairs）选模型；**FREEZE**；**FINAL_TEST** 只做
+holdout 评估，全程不参与拟合/选择/调阈值（§2-6）。
 
 ```text
-Spearman VALIDATION: fitted 0.807 · committed 0.663 · balanced 0.698
-similar-BP fairness (direct <=5% battles): fitted 0.736 · committed 0.722 · balanced 0.617
-SELECTED (validation): wA -> {offense 0.22, durability 0.45, tempo 0.25, ...}
-Spearman FINAL_TEST (selected, run once): 0.735   (validation target >= 0.70)
-pairwise ordering accuracy (direct 正反位): validation 0.750  (target >= 0.75)
-similar-BP fairness (selected weights): 0.560  (ideal ~0.50)
-win-probability model: b0=0.038 b1=1.319 Brier=0.212 LogLoss=0.616 n=120
+Spearman VALIDATION: fitted 0.807 · committed 0.727 · balanced 0.698
+similar-BP fairness (VALIDATION-internal pairs): fitted 0.566 · committed 0.512
+SELECTED (validation, no FINAL): fitted -> {offense 0.25, durability 0.60, tempo 0.05, ...}
+--- MODEL FREEZED ---
+Spearman FINAL_TEST (frozen model, holdout): 0.785   (target >= 0.70)
+pairwise ordering: train 0.800 · validation 0.825 · FINAL 0.761  (final >= 0.75)
+similar-BP fairness: train 0.670 · validation 0.608 · FINAL 0.543  (ideal ~0.50)
+win-probability (fitted on TRAIN, b0=0.027 b1=1.309):
+  FINAL holdout: Brier 0.214 · LogLoss 0.621 · ECE 0.191 (n=75)
+adjacent-rarity matrix: allDirectionCorrect YES · strictMonotonic YES · hardInversions 0
 CALIBRATION PASS ✔
 ```
 
-## 相邻稀有度矩阵（v1.2.1 新增）
+## 相邻稀有度矩阵（v1.2.2 matched-card bootstrap）
 
-`scripts/adjacent-rarity-matrix.js`：11 组（C→C+ … XS→XS典藏），
-6 定位 × 6 种子 × 10 局 × 正反位（每组 5040 局），输出 winRateHigherTier / 95% CI / n。
+`scripts/adjacent-rarity-matrix.js`：11 组 × 7 Archetype（含 Support）× 48 matched seeds
+× 8 局/向；CI 由 **matched-card bootstrap**（统计单位 = 独立生成卡 pair，不是单场 battle）
+给出；胜率为 **conditional win rate（排除平局）**，drawRate 单独报告。
 
 ```text
-ALL ADJACENT DIRECTION CORRECT: YES   (A→A+ 0.535, S→SS 0.566, XS→XS典藏 0.540 等)
-strictMonotonic = YES (所有相邻档 mean[n+1] > mean[n]，CI 下界全部 > 0.5)
+ALL ADJACENT DIRECTION CORRECT (conditional): YES
+hard inversions (<40%): 0
+Support 每档 conditional 0.66-0.76 EXPECTED（v1.2.1 的“反转”实为 Support 镜像
+stalemate 平局——v1.2.2 将平局单独报告，不再把平局误计为高阶败）
+数据: independentSeedCount=48, generatedCardCount=7392, pairCount(cell)=48
 ```
 
-## 统计口径（v1.2.1 修正）
+## Matched-Seed Rarity Test（v1.2.2 新增，§10/§11）
 
-- `rarityStrictMonotonic`（相邻 mean 单调）与 `rarityTrendAcceptable`（允许采样波动）
-  分离报告，禁止把 trend acceptable 写成 strict monotonic YES。
+`scripts/matched-rarity-test.js`：同 seed/archetype/level 生成 C..XS 保持相同
+composition 结构，只变 rarity budget。
+
+```text
+Causal (matched)   : 11 组 conditional 0.75-0.85 全部 EXPECTED，hard inversions 0
+Population (random): 11 组 conditional 0.57-0.64 全部 EXPECTED，hard inversions 0
+```
+
+## Health Metrics（v1.2.2 n=2000 + 95% CI + 分位）
+
+`scripts/health-metrics.js`：n=2000 同稀有度镜像 1v1，point estimate + Wilson 95% CI。
+
+```text
+one-shot : point 0.00%  95%CI [0.00-0.19]   (gate < 5%)  ✔
+stalemate: point 6.40%  95%CI [5.41-7.56]   (gate < 5%)  ✗ 见下
+rounds   : P50 9 · P75 13 · P90 25 · P95 40  (median 6-10) ✔
+per-arch stalemate: Support 30.9% · Tank 8.0% · Balanced 3.8% · Controller 2.1% ·
+                    Bruiser/Assassin/Mage 0.0%
+```
+
+> **stalemate 6.40% [5.41-7.56] 超出 §20 point<5% 门禁**：独立审计 §20/§21 预期此情形
+> （n=300 的 4.7% 统计误差足以让真实率 >5%），要求提高 n 并如实报告，且明确“长尾
+> 不是 blocker”。诊断（sustain-scale 扫描 720-1300）表明 Support 镜像是结构性
+> heal/shield sustain 循环，单一旋钮无法修复；按 §22 “rarity 健康则不继续过度调数值”，
+> v1.2.2 不重调 Generator v2，将其作为已文档化发现记录（后续轮次的最小 sustain/
+> composition 调整），不隐藏、不误标为通过。§24 完成标准 A-E（rarity/FINAL/fixture）
+> 全部满足。
+
+## 统计口径（v1.2.2 修正）
+
+- `rarityStrictMonotonic` / `rarityTrendAcceptable` 分离报告。
+- FINAL_TEST 完全未参与模型选择（`modelSelectionUsedSplits = ['TRAIN','VALIDATION']`）。
+- Pairwise / Similar-BP 拆成 train / validation / final，主报 final。
+- 全部脚本用 `Object.keys(N.ARCHETYPES)`（7 个，含 Support）。
+- 平局（stalemate）单独报告，不混入胜率。
 - BattlePower 口径：1v1 通用强度排序指标；3 主评分维度 + 4 诊断维度。
 - UI 移除精确预估胜率百分比 → `战力较高 / 战力接近 / 战力较低`（`card-ui.bpRelation`）。
 
-## Generator 平衡（v1.2 深度重调 + v1.2.1 保留）
+## Generator 平衡（v1.2 深度重调 + v1.2.1 保留 + v1.2.2 冻结）
 
 `docs/GENERATOR-BALANCE-v1.2.md` 记录：
 
 - 第一回合秒杀率：**0.0%**（目标 <5%）
-- 僵局率：**1.7%**（目标 <5%）
-- 战斗时长中位数：**8 回合**（目标 6–10）
-- v1.2.1 `V2_BUDGET_CURVE` 修正相邻档：A→A+（0.501→0.535）、XS→XS典藏（0.493→0.540）
+- 战斗时长中位数：**9 回合**（目标 6–10）
+- v1.2.2 **冻结 Generator v2**：rarity（matched + population）均健康、无 hard
+  inversion，故不做数值重调；stalemate 发现如实记录。
 
-## v1 历史 fixture（v1.2.1 新增）
+## v1 历史 fixture（v1.2.2 真正锚定历史 commit）
 
-`tests/fixtures/generator-v1.1.0.json`：189 张代表旧卡 sha256(canonicalGeneratedCard)
-锁定，v1 byte-for-byte 防漂移（`tests/v1-fixture.test.js`）。
+`tests/fixtures/generator-v1.1.0.json`：**189 张**旧卡 sha256(canonicalGeneratedCard)
+锁定，**由 v1.1.0 历史 commit `19ca5a443fcccd418d421a648f29a900098f55f8` 的临时
+worktree 实际生成**（`scripts/generate-v1-fixture.js --historical-ref ... --src-dir ...`，
+golden 不可自动再生成）；`tests/v1-fixture.test.js` 只做 current-v1 vs golden 比对。
 
 ## 浏览器 QA
 

README.md

@@ -4,7 +4,7 @@
 
 项目目标不是不断给角色写特殊逻辑，而是维护一套固定的“数值战斗语言”：普通新角色、技能、状态只调整参数并组合组件；只有真正新增规则原语时才扩插件注册表。
 
-**v1.2.1 已改为玩家向 UI + 战力可信度校准**：默认导航 = 对战 / 卡牌 / 生成卡牌 / 玩法说明；
+**v1.2.2 已改为玩家向 UI + 战力可信度校准 + 统计验收加固**：默认导航 = 对战 / 卡牌 / 生成卡牌 / 玩法说明；
 数值编辑 / 批量模拟 / 规则架构 / 对局重放 / 计算详情 / JSON 导入导出 收纳在右上角
 「高级实验室」。默认全中文、默认 1 VS 1、新手流程（生成卡牌 → 加入卡牌库 →
 选卡选难度 → 开始对战 → 选技能 → 点目标 → 结算回合）无需知道 Seed/JSON/公式/ID。
@@ -27,7 +27,7 @@ python -m http.server 8765
 - 20 个示例实体、63 个示例技能、33 个状态；它们只是组件语言的示范组合，不是引擎上限。
 - **生成卡牌（Generator v2）**：12 档稀有度（C..XS 典藏版）、等级 1..100、7 种定位、
   确定性中文名称、Composition Grammar 技能组合、被动/触发预算真实消耗。
-- **战力评分（BattlePower）**：1v1 通用强度排序指标（v1.2.1 口径），
+- **战力评分（BattlePower）**：1v1 通用强度排序指标（v1.2.2 口径，FINAL holdout 独立验证），
   3 个主评分维度（进攻/生存/节奏）+ 4 个诊断维度（续航/功能/经济/稳定），
   复用引擎期望值数学；仅展示、不参与战斗结算。
 - **卡牌库**：本地持久化，可查看/选择/删除/同种子再生成/复制种子/改名。