方法

一个统计量衡量信号移动多远，一套协议衡量代价多大。下面这两个测量 决策对答案的影响，比任何建模选择都大。

外观统计量

两张无接触平均帧之间的 uint8 均方根像素差，内缩 12 px，外加逐通道 中位数。事先定死，以免看到答案后再回头调参。

先算噪声底 —— 在你知道同一个格子的两次平均会给出多少之前， 两张平均图之间的距离是没有意义的。把每格 100 次重复拆成互不相交的两半： 总 1.43 / 低频 0.28。

决策一 —— 跨数据集时，只有低频部分可比

「缩放到统一几何后比总 RMS」这个做法是错的，而且在产出任何结果之前就被证伪了： 一次重采样往返会把白噪声级的差异衰减 约 40 %（7.88→4.71），而低频差异的 不变性达到 1e-4。只有当磨损纯粹是照明漂移时这才无害 —— 实测它是 48 % 低频 / 41 % 高频。所以 rms 只在单个数据集内部用，rms_lowfreq 才跨数据集用。一个回归测试把这条钉住。

决策二 —— 趋势只在连续采集段内部拟合

这次采集横跨四天，中间有长达 88 小时的停顿，而外观恰好在这些边界上跳变 —— 跨越停顿去拟合趋势，量到的是重新装夹。所以在拟合任何斜率之前，先按采集间断把记录切段； 段内漂移则对照置换零假设打分，因为段基线本身包含了被评分的帧，即使零漂移 Spearman 也会为正。

打分协议

用一个共享打分器算秩相关，每次运行都做自检（单调信号 >0.9，打乱后 <0.5）。 迁移一律显式地「在源域拟合、到目标域评分」，并配一个同等拟合规模的域内对照。 编码器比较先把所有特征投到统一宽度（PCA 只在源域拟合），并给出 k = 32…256 的 扫描 —— 没有这一步，比较排的是输出宽度而不是表示质量。

经独立审查后撤回的结论

两个对抗性审查 agent 对着代码与原始数据复核了每一个数字，四条头条结论没能活下来。 保留在此，是因为一个只展示成功结果的页面不构成证据。