Record Qwen235 state diagnosis results

runs/frontier-fidelity-envelope-v1/experiment-card.md

@@ -82,3 +82,43 @@ T1 保持原 600 秒 arrival window。先在 simulator 上冻结 `sampling_u` br
 | simulator-guided real sampling | 使用共同 guard anchors；未闭合 bracket 不能宣布 top match |
 | absolute-vs-rank metric | 同时报绝对 capacity/latency、rank、regret、tau-b、pair direction和 SLO confusion |
 | hidden fallback | A1/A2 强制计数 measured-model hit/fallback，并写入 frozen manifest |
+
+## Qwen235 Fixed-PD TP4/TP8 state diagnosis（2026-07-19）
+
+**结论：** measured TP4/TP8 collective 已被 simulator 真实消费且 analytical fallback 为 0，但
+Frontier 在自身闭环状态上仍给出 `TP8-TP4=-20.0663 ms`，与冻结真机
+`+6.9500 ms` 方向相反。使用 vLLM iteration details 采集真机精确
+`(context_tokens, generation_requests)`，并对相同 Frontier stage records 做 100% exact joint-state
+reweight 后，对比翻转为 `+10.9028 ms`。因此该 ranking error 的主因是 closed-loop
+state/composition mismatch，不是同一真实 state 下的 conditional stage reversal。
+
+| 量 | TP4/EP1 | TP8/EP8 | TP8-TP4 |
+|---|---:|---:|---:|
+| frozen real TPOT (ms) | 21.0442 | 27.9942 | +6.9500 |
+| exact real decode-token-weighted iteration (ms) | 18.4710 | 27.5887 | +9.1177 |
+| Frontier own-composition critical path (ms) | 74.2229 | 54.1567 | -20.0663 |
+| exact-state-matched Frontier critical path (ms) | 34.2575 | 45.1603 | +10.9028 |
+| exact real decode batch mean | 3.890 | 10.921 | — |
+| Frontier decode batch mean | 13.537 | 18.938 | — |
+
+State composition 将 config contrast 推动 `+30.9690 ms`，已经足以解释并反转原错误；
+exact-state-matched contrast 相对 frozen TPOT 还剩 `+3.9528 ms`，相对同次 exact iteration
+实验还剩 `+1.7851 ms`。后者是 conditional operator/graph/measurement residual 的上界，而不是
+当前 ranking error 的主因。
+
+同 batch 扫描显示 Frontier 从 B1 起就预测 TP8 更快，但 B4→B5 是 TP4 误差被显著放大的拐点：
+TP4 模拟 critical path 从 `30.4058` 跳至 `54.4194 ms`，其中 MoE work estimate 从
+`9.9788` 跳至 `34.6845 ms`；真机 pure-decode iteration 只从 `14.2337` 增至
+`16.1614 ms`。TP4 grouped-MoE 的 rounded effective tokens 在此从 4 变 8，跨 94 层放大 profile
+cliff；TP8/EP8 的对应曲线更平滑。被高估的 TP4 step latency 又在 simulator 闭环中积累更多
+active requests，使其大部分时间落入更高 token bucket，形成正反馈。
+
+Component trace 只作为 non-additive work estimate：在 simulator 自身状态上，MoE compute
+给 TP8 `-32.4544 ms` 优势，attention `-7.4619 ms`，TP/DP communication `-6.5711 ms`；
+EP communication 反而给 TP8 `+6.2354 ms` penalty。Frontier 没有单独暴露 graph bucket、padding
+或 launch-overhead 字段，因此 graph 影响仍折叠在 predictor 中，不能从本实验单独归因。
+
+真机 exact-state TP4 为单 server 运行，而冻结 TP4 TPOT 来自同机两个四卡 server；TP8 两者均为
+单 server。因此 exact-state run 只用于机制诊断，冻结三轮仍是主 E2E 对比。分析产物位于
+`/home/admin/cpfs/wjh/aituner/qwen235-fixed-pd-state-diagnosis-20260719-r1/analysis/state-diagnosis-exact.{json,md}`；
+两配置 replay scorer 与 frozen A1 request metrics byte-identical。