实验 EXP-DECODE-BATCH-GRID：BC-8 是否可由稳定 whole-layer b2--b8 curve 修复

状态： COMPLETED；BC-8 排序工程修复成立，global curve merge 暂停

Parent campaign：../frontier-simulator-gap-campaign-v0/README.md

Claim 与决策

Parent claim： 最新 1h trace 中 TP4 的 TPOT/E2E 仍稳定正偏约 10--23%；历史 BC-8 knee-right 真机排序为 TP2<TP4<TP1，sim 为 TP2<TP1<TP4。这是当前最明显的 decode/state residual。
目的： 判断 BC-8 是 b2--b8 whole-layer service curve 可工程修复，还是必须进入 event-level admission/batch-formation 建模。
Competing hypotheses：
- H1：现有 b2 service sample 不稳定或 b>4 常数外推，导致 TP4 residence 被高估；稳定 whole-layer curve 可恢复排序。
- H2：给定 batch 的 whole-layer curve 已准，错误来自 simulator 与 vLLM batch formation/event semantics 不同。
事前预测： 若 H1 成立，TP4/b2 repeat CV≤10%，其 median 比当前进入 BC-8 的 curve 低至少 0.5 ms，注入后 TP4<TP1；若 H2 成立， same-state residual <0.5 ms，但 BC-8 排序仍错。
判定规则：
- 先做 TP4/b2 两个 fresh-process repeats；CV>10% 时追加第三次，取 median，不允许从单次 favorable sample 选值。
- smoke 稳定后补 TP2/TP4 × b{2,4,6,8}；b>4 不再使用 b4 常数外推。
- whole-layer 注入只替换 pure-decode service curve，不改变 prefill。
- BC-8 排序仍错则停止 profile 修补，升级 event-level state telemetry。

自变量： TP {2,4}；pure-decode batch {2,4,6,8}；fresh-process repeat {1,2}，不稳定 cell 追加 repeat 3。
控制变量： Qwen3-30B-A3B BF16；H20；vLLM 0.20；context=2048； output=128；graph-on；MNS=16；no prefix caching；同模型/runtime/cache。
Hardware： dash1--dash4；每轮调度前要求目标主机 8×H20 idle/healthy。每主机同时只启动一个 engine，避免 CPU/JIT contention。
Metrics： critical-rank execute wall；MoE/attention/collective/other kernels；repeat median/CV；sim same-state residual；BC-8 TPOT 完整排序。
Baselines：
- 旧 serving grid：TP4/b2 execute=5.044 ms，单 process 内 population std=1.561 ms，不足以进入判决链。
- BC-8：real 4.305<4.449<4.876 ms；sim 5.12<5.49<5.86 ms（TP2/TP4/TP1 对应完整排序见结果审计）。

预期数据： 每 cell trace、request result、runtime/GPU provenance； results/grid.json；BC-8 counterfactual 与 verdict。
Figure prototype： figure-prototype.png。左图画 b2 repeat instability 与目标 CI，右图画 BC-8 real/sim/corrected 排序。
人工 review： campaign 已批准按第三优先级推进。
Review 意见： 先 TP4/b2 smoke；不在稳定性 gate 前铺完整网格。

Frontier baseline： deadc4a321f0baaa534c6ebd17f974123733cdc2； CPU replay 使用既有 joint serving-path curves，未合入 EXP-1 rejected patch。
Remote： dash1--dash4 共享 clean detached experiment worktree ecc559938132851d61bf22daa55cea9658807dfa；canonical checkout 的用户 dirty changes 未改动。
Known limits： 固定 2048→128 state-matched workload；本实验只支持 decode curve 与 BC-8，不外推到 chat prefill shape 或其它模型。

Entry gate： PASS。TP4 1h trace TPOT mean 正偏 +10.6%--+23.0%，E2E mean +9.8%--+19.2%；BC-8 完整排序仍错。
TP4/b2 smoke： 两个 fresh-process critical-rank execute mean 分别为 4.6263 ms 和 4.6201 ms，跨 repeat CV=0.067%，稳定性 gate PASS，无需 repeat 3。median=4.6232 ms，比旧样本 5.044 ms 低 0.421 ms；方向支持 H1，但未达到事前 >=0.5 ms 的强证据阈值。

Full grid：

Cell	fresh-process execute mean (ms)	median (ms)	initial CV
TP2/b2	4.761 / 4.730	4.746	0.33%
TP2/b4	5.294 / 5.607	5.451	2.87%
TP2/b6	6.571 / 6.938	6.754	2.72%
TP2/b8	5.967 / 6.309	6.138	2.78%
TP4/b2	4.626 / 4.620	4.623	0.07%
TP4/b4	4.516 / 4.727	4.622	2.27%
TP4/b6	5.433 / 10.157 / 8.634	8.634	30.30%
TP4/b8	4.898 / 5.047	4.972	1.50%

TP4/b6 instability： r2/r3 的 MoE 与 attention 基本不变，均值波动由同步 collective 长尾造成；三个 run 的 step p50 仍约 5.18--5.49 ms。依预注册规则追加 r3 并取三次中位数，但该 cell 不能视为稳定 deterministic service constant。
BC-8 exact replay： replay 仅访问 b1/b2，因此没有使用 b6 或任何插值/外推。TP4/b2 whole-layer override 将 TP4 sim TPOT 5.864→5.367 ms，残差 +1.414→+0.918 ms（MNS16）和 +1.498→+1.001 ms（MNS32）；MNS16 完整排序从 TP2<TP1<TP4 恢复为真实的 TP2<TP4<TP1。sim b>1 stage fraction 48.15%→37.47%。
7-cell support audit： 最新 1h cells 的 decode batch 最大到 b6--b15，而本实验 measured support 只到 b8；TP4/b6 又未通过 deterministic-mean 稳定性。为避免重新引入 b8 constant extrapolation，不执行全局 7-cell injection，也不把整条 b2--b8 curve 合入默认 predictor。
Decision： H1 对 BC-8 成立，排序 gap 属于可工程修复的 TP4/b2 whole-layer service residual；但绝对残差、MNS tie 和高 batch collective tail 仍需 event/distribution-aware 模型。建议先合入受作用域保护的 TP4/b2 correction，再补 b9--b16 与 collective-tail telemetry 后开启 global merge。