Phase 3 可视化审计与图链说明

项目：Yucheng_Project
阶段：Phase 3（MTUS cross-national）
对齐基准：PHASE1_COMPLETE_REPORT.md 的“主图 + 稳健性图 + 对表图”结构
更新时间：2026-04-03

1) 总体结论

Phase 3 的可视化已从“主表完整但图证不足”扩展为一套 12 张 的成体系图组，而且这套图组是基于补齐 KR 两个 A1 fine 补跑后重新生成的完整 summary，不是旧版 38 条 A1 记录的残缺版本。

当前这套图链已经覆盖：

也就是说，Phase 3 不仅主表完整，图链也已经能够独立支撑完整叙事。

2) 当前 Phase 3 专属图组（12 张）

目录：results/phase3_figures/

图号 文件 在主报告中的位置 作用
P3-F1 phase3_fig1_a1_delta_by_country.png A1 主线 各国 A1 delta（SGD vs Transformer）
P3-F2 phase3_fig2_fine_vs_coarse_transformer.png 敏感性 fine vs coarse 的国家级对照
P3-F3 phase3_fig3_b1_group_delta_scatter.png B1 grouped age/sex 分组点云分布
P3-F4 phase3_fig4_cross_phase_transformer_vs_persistence.png 统一对表 Phase1/2/3 主线对照
P3-F5 phase3_fig5_a1_seed_stability.png A1 主线 Transformer seed 稳定性
P3-F6 phase3_fig6_a1_quick_vs_full_transformer.png quick/full A1 quick -> full uplift
P3-F7 phase3_fig7_b1_country_groupby_heatmap.png B1 grouped country x group_by 热力图
P3-F8 phase3_fig8_b1_specific_group_heatmaps.png B1 grouped specific subgroup 热力图
P3-F9 phase3_fig9_b1_quick_vs_full_delta.png quick/full B1 quick -> full uplift
P3-F10 phase3_fig10_sample_size_vs_delta.png 稳健性 sample size 与 delta 的关系
P3-F11 phase3_fig11_a1_country_ci_forest.png A1 主线 country mean + seed + CI 的 forest-style 视图
P3-F12 phase3_fig12_b1_distribution_boxplots.png B1 grouped age_bin/sex 的 grouped full-run 分布箱线图

生成脚本：generate_phase2_phase3_figures.py

2.5) 这 12 张图背后压缩了什么实验足迹

Phase 3 的图链看上去比 Phase 1 更“克制”，但这不是因为工作量更小，而是因为最终汇报层把大量 country / seed / group 结果压缩进了更少但更聚焦的图里。

就当前 results/ 目录而言，Phase 3 的核心足迹至少包括：

也就是说，12 张最终图对应的不是 12 个实验，而是 627 个 MTUS 结果 JSON 加上一层 cross-country summary / master table 汇总。

这也是为什么 Phase 3 的可视化策略必须更“精选”：

  1. 如果把国家、seed、group 的中间结果逐张展开，图量会迅速失控；
  2. 导师真正需要的是能够判断机制是否成立的最终证据链，而不是阅读数百张近似重复的小图；
  3. 因此最终保留下来的 12 张图，承担的是“把 627 个结果 JSON 压缩成可审阅叙事”的任务。

3) 图组相对于早期版本的增强

旧版 Phase 3 的最大问题，并不是“没有结果”，而是：

  1. 图不够，导致跨国外部效度叙事看起来更像一堆表格摘要。
  2. 没有 seed stability / quick-full / sample-size / CI 这类能够直接回应质疑的证据图。
  3. 没有把 B1 grouped 的 country-level 结构与 full-run 分布一起可视化出来，因此“跨组稳定性”更多停留在文字层面。

这次补齐后的提升很明确：

  1. A1 不只是一张柱状图：现在有 country delta、seed stability、quick-full 修正、country-level CI forest 四层图。
  2. B1 不只是一句‘都为正’：现在有 scatter、country x dimension heatmap、specific subgroup heatmap、quick-full 修正图，以及 grouped boxplots。
  3. 方法论解释不再只靠文字：sample-size、fine/coarse 与 grouped full-run 分布现在都有明确图像支撑。
  4. 跨阶段闭环可视化完成：Phase1 / Phase2 / Phase3 可以一图连起来讲。

4) 当前版本的适用性判断

导师审阅与阶段汇报：证据已经完整

现在这 12 张图已经足以回答导师最可能追问的核心问题：

  1. Transformer 在 7 国是不是都保持正增益？
  2. 这些增益是不是 seed 偶然？
  3. quick 到 full 到底修正了什么？
  4. grouped analysis 是不是也成立？
  5. fine 为什么应该保留为主线？
  6. 整个项目从 Phase 1 到 Phase 3 到底是不是一条连续主线？

如果进一步把图链与 full summary 合并来看，这套“完整性”现在还能被更精确地量化：A1 Transformer 的 country mean 已达到 7/7 国家为正，而 age_bin/sex 的 grouped full-run 切片已达到 35/35 个 country×group cells 为正。因此，这 12 张图现在承担的已经不是“试着讲故事”，而是把正式结论压缩成最可审阅的证据链。

若进入论文投稿版式阶段：只剩表达层精修

如果继续往前推进，重点也只会落在表达层，而不会改变“当前版本已经完整”的判断：

这些内容属于投稿版式层的表达优化，不影响当前版本作为正式阶段性汇报材料的完整性。

5) 与 Phase 1 的功能对照

如果拿 Phase 1 的 17+ 张图作标准，Phase 3 现在仍然更精简；但两者的任务也不同：

因此更准确的判断是：

6) 可直接引用的摘要表述

下述表述可直接用于邮件摘要、封面说明或口头汇报：

Phase 3 已形成完整的 12 图主链，并且全部基于最新的完整 summary 重生成，KR 的两个 A1 fine 补跑也已正式进入汇总。
这些图共同支持一个清晰结论：在 7 国 full runs 下，Transformer 相对 persistence 的正增益不仅在总体样本中成立，在 age_bin 和 sex 分组中也保持稳定，而且 fine 比 coarse 更能承载项目主叙事。