docs(ts-as-modality): archive after cross-domain generalization failure

Full diagnostic chain (synth→real zero-shot→real finetune→held-out) shows
the TS-modality approach works in-distribution but fails to generalize
across entities: same SMD dataset, same 38 channels, just a different
machine (1→2) collapses output to repetition garbage. Root cause is the
lightweight TS encoder (2-layer TF, 2.1M params) learning dataset/machine-
specific patterns rather than transferable time-series representations.

This is a valuable negative result: it cleanly rules out the
'0.5B LLM + 2-layer TS encoder + single-distribution synth training'
route for general time-series understanding, which is more credible than
any 'looks like it works but never tested cross-domain' result.

Records:
- tasks.md: M6 diagnostic section (6.1-6.5) with evidence + archive decision
- proposal.md: Status header flagging archive + pointer to diagnosis
- docs/diagnosis-2026-07-02-cross-domain.md: full evidence chain, root-cause
  analysis, capability boundaries, asset inventory, restart conditions

Project status: archived. Code/data/checkpoints/reports preserved.
Restart requires any of: (1) larger encoder + real-data from-scratch
training, (2) channel-agnostic patch strategy, (3) multi-dataset joint
training with held-out-dataset generalization proof.

openspec/changes/ts-as-modality/proposal.md

@@ -1,3 +1,7 @@
+## Status
+
+**已封存（2026-07-02）**。完整诊断与结论见 `docs/diagnosis-2026-07-02-cross-domain.md`。摘要：合成域内有效（QA 2.41 vs pure_llm 0.89，TS token 消费率 0.98），但真实时序**跨实体泛化失败**——同 SMD 数据集换机器即崩溃为 garbage 输出。TS encoder（2层TF/2.1M参数）学到数据集特有模式而非通用时序表征。方案作为研究性 PoC 划定了能力边界（合成域可行/跨域不可行），资产保留，重启条件见诊断报告。
+
 ## Why
 
 当前 AIOps 场景下，多变量时序的异常检测与解释仍依赖专用模型，缺乏「以自然语言对时序提问、做根因/事件关联推理」的统一能力。基于 `MTSAD-技术深度调研报告.md`，沿用 ChatTS「时序作为新模态」路线，我们希望在**单张 3060 12GB 消费级显卡**上做一个可复现的实验性落地，验证「把多变量时序视为独立模态、与文本/事件模态联合注入小型 LLM」这一方法在算力受限条件下是否切实可行、且「时序模态」是否真带来可量化的增益。现在做是因为：0.5B 级开源 LLM 与 PEFT/LoRA 工具链已足够成熟，使该实验在消费级硬件上首次成为可能。

openspec/changes/ts-as-modality/tasks.md

@@ -50,3 +50,32 @@
   - ✅ **全量重训验证假设**：小规模时 VUS-PR 弱的根因是数据量（5万→50万），而非算法本身——全量后 VUS-PR +57% 且 Aff-F1 碾压 pure_llm。
   - 结论：实验性单卡管线全量跑通；模态融合 + QA + 时序定位（相对纯 LLM）均达成，绝对定位精度待后续。real benchmark（SMD/SWaT 等）需下载后补入 `data/eval_real.jsonl`
   - 全量训练产物：stage1 `stage1_final.pt`（31250 步 EMA 1.26）+ stage2 `stage2_final.pt`+`lora_adapter`（9375 步 EMA 0.75）
+
+## 6. M6 · 真实 benchmark 接入与跨域诊断（封存前最终验证）
+
+> 目的：回答「合成域有效，但方案能否泛化到真实时序？」这一决定性问题。结论决定方案去留。
+
+- [x] 6.1 SMD 真实数据接入（`data/real/smd/`）：下载 NetManAIOps/OmniAnomaly 的 machine-1-1/1-2/2-1 的 test+test_label（.txt→.npy，3机合并 75867 步 ×38 通道，prevalence **5.8%** vs 合成 26%，构成低-prevalence 对照）。loader `real_bench._load_npy_pair('smd')` 验证通过
+- [x] 6.2 生成 `data/eval_real.jsonl`（SMD machine-2-1，46 样本：14 anomaly + 32 describe，严格 held-out）+ SMD 微调数据 `data/smd_ft/sft.jsonl`（machine-1-1/1-2，141 样本：47 anomaly + 94 describe）
+- [x] 6.3 zero-shot 跨域评测（`reports/eval-2026-07-02.md`，未微调 stage2）：
+  - **real 上 model parse_rate=0、Aff-F1=0、QA=0.00**——输出是 repetition collapse（`aisonaison...`/`horizon: horizon:...`），LLM 在 OOD 输入下的典型崩溃；
+  - VUS-PR=0.2263 恰好等于 all_report 是**假象**：解析失败→全 0 分数→vus_pr 退化为 prevalence，模型实际什么都没检测；
+  - 干扰变量排除：改写 instruction（短/通用措辞）输出仍是垃圾，确认非指令长度/格式问题，是 TS embedding 分布偏移（38通道 vs 5通道、z-score 分布 vs 合成数值范围）。
+- [x] 6.4 SMD 微调实验（`checkpoints/stage2_smd/`，500 步 EMA 1.27→1.00）：从 stage2_final 继续训 LoRA on SMD train（machine-1-1/1-2）。
+- [x] 6.5 微调后跨实体泛化诊断（决定性实验）：
+  - **SMD 训练域内**（machine-1-1/1-2）：4/5 产出合法 `{"anomaly_regions":[...]}` JSON ✅——机制正常；
+  - **SMD held-out**（machine-2-1，同数据集/同 38 通道/仅换机器）：仍是垃圾输出 ❌；
+  - 结论：**跨实体泛化失败**。同数据集换机器就崩溃，证明 TS encoder 学到的是数据集/机器特有模式，而非可泛化的时序表征。
+
+### 初步结论（方案封存依据）
+
+**证据链**：合成域内有效（QA 2.41 vs 0.89、change_rate 0.98）→ SMD 训练域内有效（4/5 合法 JSON）→ SMD held-out machine 崩溃（全 garbage）。
+
+**方案意义与边界**（详见 `docs/diagnosis-2026-07-02-cross-domain.md`）：
+- ✅ **成立**：TS 模态融合机制可行（token 被消费、非噪声）；合成域内 QA 能力真实（TS 模态是必要非装饰）；格式学习能力正常（141 样本即可学会）。
+- ❌ **未立住**：跨实体泛化失败（同数据集换机器就崩）——非调参可解，是 TS encoder（2层TF/2.1M参数）学到数据集特有模式；合成域 VUS-PR 0.22 仍输 trivial；zero-shot 跨域不存在。
+- 🏷 **方案定位**：作为「轻量 TS-modality 融合」的研究性 PoC，其价值在于**清晰地划定了能力边界**——合成域内可行，但当前架构无法泛化到真实时序。这是有价值的负结果，优于任何「看起来 work 但未测跨域」的结果。
+
+### 封存决定
+
+**方案封存**。资产保留（代码/数据/checkpoints/报告均 git-tracked 或备份），不再投入。重启条件（任一即可）：① 更大 encoder（>10M 参数）+ 真实数据从头训练（非仅微调）；② channel-agnostic patch 策略（消除通道数硬约束）；③ 多真实数据集混合训练验证泛化。