FinTecEval 回执：FinBayes 臂已重接 + 实证 + 底座对齐回问

收到 2026-06-23 工单。已按 §2/§3/§4 重接三臂并跑认知级 6 臂冒烟验证。本回执：①做了什么 ②实证（工单判断被数据印证）③回问 FinBayes 侧（底座对齐 §5 我下一步要的料）。FinTecEval 仓代码改动均在本会话、未提交。

§1 已照工单做的

• FinBayes 臂重接：旧 run_finbayes_*.py 的 synthesize_cognition 认知核裸跑 → 弃用。新建 harness/finbayes_react_arm.py，port 自 CurvatureLabs/FinBayes/scripts/three_way_compare.py 的 _finbayes_arm：
  • 真 ReAct 主回路 AgentLoop.process_direct（answer_extraction_mode="prose_parse"、max_iterations=12）。
  • 临时工作区 + sync_workspace_templates → SOUL 在场已验证 True（DCF 题 system_prompt 含 SOUL）。
  • TracingProvider 抓 system_prompt / 每轮工具 / finish；空答案兜底 message 工具文本。
  • 补 CountingProvider 口径 token 累加（prompt+completion，工单 §3 缺口）——但见 §3 现状。
  • goal→prompt / id / axes.task_type→task_type 薄映射（工单 §3 陷阱1）。未整模块 import（避开 ab_alpha_delta CASES，工单陷阱2）。
• martin 臂 → full（工单 §4 建议）：finclaw agent -m <prompt> --logs --no-markdown，--logs 正则抓 Tool call: 工具调用。N2 有损折扣口径待方法学定。
• Hermes：工单未列、owner 补充——FinTecEval 先前误判"未部署"。实为已部署本地 hermes CLI（hermes -z <prompt> 一问一答），已接为通用智能体臂。
• SUT pin：FinTecEval STATE.md 已由过期 d16052d 更到 88f68a6。

§2 实证：工单"旧接法测错了东西"被数据印证

认知级 6 臂冒烟（3 纯认知题 × FinBayes-δ / full-martin / Hermes / 裸 gpt-5.5 / Codex / Claude；盲评=中转站 gpt-5.5 + claude-opus-4-6 两旗舰模型换位、每维 1–5、IAA<0.7 标 unstable）。重接前后同题对比，直接验证工单核心判断：

题 / 维	认知核裸跑(旧/错)	真 ReAct δ(新/对)
评判用户判断 · task_success	0.38（vs 裸 −0.31）	0.81（vs 裸 +0.19）
BTC/ETH 对比 · trajectory_quality	—（认知核无轨迹）	1.0（真多步）

• 真 ReAct 抓到真工具调用：评判题 FinBayes 调 crypto×3 + macro_monitor；对比题 crypto×6；DCF 解释题无工具（不需数据，正确）。full martin 对比题调 crypto×4 + stock_quote×2。
• 结论：旧认知核裸跑系统性低估 FinBayes（无 grounding、无轨迹维），工单判断成立。重接后 FinBayes 在 grounding-重的题上明显回升、轨迹质量满分。

§3 现状缺口（需 FinBayes 侧供料 / 回问）

底座对齐（工单 §5）——✅ FinTecEval 侧已自解 + 验证（无需 FinBayes 侧再答，记录备审）：

• 根因：finbayes/config/schema.py::_match_provider 里 forced = agents.defaults.provider，只要 ≠"auto" 就强制用该 provider、无视模型串。先前 agents.defaults.provider 仍为 openai_codex，故即便把 model 改 custom/gpt-5.5 也仍走 codex 通道（实测报 HTTP 400: 'custom/gpt-5.5' not supported when using Codex with a ChatGPT account）。
• 改法（在 finbayes_react_arm.py 内存覆盖、不改生产配置文件）：config.agents.defaults.provider="custom" + config.providers.custom.api_base="https://api.gpt.ge/v1" + api_key=<keychain VAPI_GPT55> + model="gpt-5.5" + 清空 fallback_models。
• 验证：实测 pinned=relay-gpt.ge-gpt-5.5 / model=gpt-5.5 / token=17832+2565（已报出，cost 维可测）/ 49.9s（快于 codex 95–167s）/ SOUL 在场。三臂现同源中转站 gpt-5.5，达 §5 apples-to-apples。--no-relay 可退回 codex 默认。

其余（待 FinBayes 侧 / owner）：标答 owner-pending（只影响软维盲评，硬门槛不卡）；gpt.ge 仅暴露 gpt-5.5 单底座（FEFM 第二底座信号空缺，不阻塞 gate）。

其余：标答 owner-pending（只影响软维盲评，硬门槛不卡）；gpt.ge 仅暴露 gpt-5.5 单底座（FEFM 第二底座信号空缺，不阻塞 gate）。

§4 下一步排期（owner 拍：先反馈 → 再精修 → 后放量）

1. 本回执（反馈 + 回问）✓。
2. 底座对齐精修：据 FinBayes 侧 §3 回问把 FinBayes 臂钉中转站 gpt-5.5、拿回 token。
3. 放量真三臂（工单 §6）：FinBayes δ + full martin + 裸 gpt-5.5，over 108 题（或 cases.json 10 锚 + 广度子集），过新打分引擎（硬门槛优先 → 六/八维 → 相对增量 → 软维盲评）→ 出裁决 → 回主控会话审计 → owner 签 Step 1.7。

§5 边界

• 本轮是认知级 3 题冒烟（验管线 + 实证重接影响），非 Step 1.7 裁决。Step 1.7 要 §4.3 的 108 题真三臂 + 主控审计。
• FinTecEval 侧产物：harness/{run_smoke_cognition,finbayes_react_arm,score_smoke}.py、runs/2026-06-22-smoke-6arm/（report.md + scores.json，runs 默认 gitignore）。代码改动归 FinTecEval 会话，未提交。
• 守跨会话分工：本回执只在治理库工作流加新文件、不改 FinBayes/主控的任何文件。