完整解释、原始数值、素材与实验仍可访问；默认翻页不进入此内容。
先用真类A的两组概率：从(0.1,0.9)到(0.01,0.99)，自然对数熵从0.3251降到0.0560，两次仍选错B。这证明逻辑可能性，不是Tent轨迹。然后回到与LAB13同源的教学BN模型，先看四个预设情景的Source和Norm：收益方向已经随噪声下的分组顺序改变。再揭示Tent；四情景中Norm与Tent汇总准确率相同，虽然40个BN affine标量确有更新、熵略有变化。不能把Source到Tent的差额全部归给熵梯度，也不能只从相同准确率推断逐样本预测相同。动态实验改变本次前向选择，这里改变统计的使用与参数更新；两者都需要简单对照来解释结果。
先用真类A的两组概率：从(0.1,0.9)到(0.01,0.99)，自然对数熵从0.3251降到0.0560，两次仍选错B。这证明逻辑可能性，不是Tent轨迹。然后回到与LAB13同源的教学BN模型，先看四个预设情景的Source和Norm：收益方向已经随噪声下的分组顺序改变。再揭示Tent；四情景中Norm与Tent汇总准确率相同，虽然40个BN affine标量确有更新、熵略有变化。不能把Source到Tent的差额全部归给熵梯度，也不能只从相同准确率推断逐样本预测相同。动态实验改变本次前向选择，这里改变统计的使用与参数更新；两者都需要简单对照来解释结果。 完整预设范围：contrast shuffled/class-sorted与noise shuffled/class-sorted；每种均source/norm/Tent continual/Tent episodic，共16臂。主讲展示source/norm/Tent continual四情景，episodic结果在LAB14且这次汇总相同。batch32、末批8、单步SGD lr0.01，无目标标签调参。类别分段顺序由标签离线构造压力测试，标签不传给适应函数。按更新前logits评价；已保存的输出来自本地运行，本轮只复核缓存，不重新训练或云端执行。