diff --git a/openspec/changes/ts-as-modality/tasks.md b/openspec/changes/ts-as-modality/tasks.md
index 29ac6fa..9b3693d 100644
--- a/openspec/changes/ts-as-modality/tasks.md
+++ b/openspec/changes/ts-as-modality/tasks.md
@@ -42,9 +42,11 @@
 - [x] 5.3 问答评测 `eval/qa_judge.py`：`RuleJudge`（异常 IoU/describe 数值容差/forecast 容差）+ `LLMJudge`（backend=stub 离线确定性启发式/backend=openai GPT-4o 0-5/可传入 callable）（验证：12 单测——容差命中/越界/无重叠/IoU 部分/未知类别 skip/stub 确定性/精确匹配奖励）
 - [x] 5.4 对照基线 `eval/baselines.py`：Trivial（Random/Constant/AllReport，直接产 point 分数）、`ts_to_text`+`pure_llm_answer`（纯 LLM 数值喂文本）、Time-LLM 重映射与 ChatTS 占位（明确标注未复现，不造假），全走同一套 parse+metrics（验证：8 单测——形状/范围/可复现/常数/全报/全报 VUS-PR 不虚高/文本截断/NaN）。
 - [x] 5.5 评测脚本与报告 `scripts/run_eval.sh`+`eval/report.py`：跑 `eval_synth.jsonl`+`eval_real.jsonl`，模型+trivial 基线同口径，产 `reports/eval-YYYYMMDD.md`（含每数据集×每预测器的 VUS-PR/Aff-F1/AUC-PR/Point-F1(无PA)/PA-F1(对照)/parse_rate，标注主指标为 VUS-PR、PA 仅对照、含 trivial）（验证：冒烟跑通——40 样本产合法 markdown，PA-F1≈1.0 而 VUS-PR≈0.35 证明 PA 不可作主指标）
-- [x] 5.6 M5 出口验证（`reports/eval-2026-06-30.md`，synth 40/类，含 model+pure_llm+trivial）：
+- [x] 5.6 M5 出口验证（全量重训后 `reports/eval-2026-07-01.md`，synth 全量 2000 条，含 model+pure_llm+trivial）：
   - ✅ **时序消融**（T3.3）：change_rate=0.98/50 ≫0.5，证明 TS 模态真正被消费；
-  - ✅ **问答均分超基线**：model QA-judge 均分 2.45 vs pure_llm 0.88（2.8×），6 类全面领先；
+  - ✅ **问答均分超基线**：model QA-judge 均分 2.41 vs pure_llm 0.90（2.7×），6 类全面领先（root_cause 3.99 vs 2.17、event 3.89 vs 1.64）；
   - ✅ **评测可复现含 trivial**：random/constant/all_report 同口径入表；
-  - ⚠️ **VUS-PR 未超纯 LLM**（诚实负面）：model 0.14 < pure_llm 0.22（=prevalence 下限，parse_rate=0→无真实检测）、< trivial 0.22-0.29。异常**定位**是当前短板——模型产出合规 JSON 但区域刻板且与真值错位，自信的错误区域把 VUS-PR 压到下限以下。根因：0.5B 模型 + 5k SFT 步不足以学会精准定位（可改进方向：增大模型/步数、定位专用 loss、更强对齐）。
-  - 结论：实验性单卡管线跑通；模态融合与 QA 能力达成，精准异常定位待后续加强。real benchmark（SMD/SWaT 等）需下载后补入 `data/eval_real.jsonl`
+  - 🔄 **VUS-PR 改善但仍未超 trivial**：全量训练后 model VUS-PR 0.14→**0.22（+57%）**、Aff-F1 **0.25 vs pure_llm 0.003**（TS 模态定位贡献被证实，之前是数据量不足）。但 model VUS-PR 0.22 仍 < trivial random 0.33——精准定位仍是开放问题（方向：更大模型、定位专用 loss、affiliation-aware 训练）。
+  - ✅ **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）