diff --git a/docs/review-50.html b/docs/review-50.html
index 9bd16a8..19b259d 100644
--- a/docs/review-50.html
+++ b/docs/review-50.html
@@ -62,25 +62,25 @@ footer{margin-top:50px;padding-top:18px;border-top:1px solid var(--rule);color:v
 <div class="wrap">
 <h1>五十关 · 人工审核</h1>
 <p class="lede">缩略图是<b>开局盘面</b>：绿色的棋子开局就能点，灰色的被挡着。点「试玩」用真游戏打开这一关。</p>
-<p class="meta mono">关卡集 levels/campaign-50.json · agent 实测批次 R2 · grok xhigh（50/50 关已评）· 生成于 2026-09-14 17:14</p>
+<p class="meta mono">关卡集 levels/campaign-50.json · agent 实测批次 R2 · grok xhigh（50/50 关已评）· 生成于 2026-09-14 17:16</p>
 
 <h2>难度曲线（agent 实测）</h2>
 <table>
 <thead><tr><th>档</th><th class="n">已评关数</th><th class="n">难度</th><th class="n">无解感</th><th class="n">盲转/关</th><th class="n">空点/关</th></tr></thead>
 <tbody>
-<tr><td>前档 L1–L12</td><td class="n">12</td><td class="n">2.0</td><td class="n">1.1</td><td class="n">0.2</td><td class="n">0.0</td></tr>
+<tr><td>前档 L1–L12</td><td class="n">12</td><td class="n">2.0</td><td class="n">1.2</td><td class="n">0.2</td><td class="n">0.0</td></tr>
 <tr><td>中档 L13–L32</td><td class="n">20</td><td class="n">2.1</td><td class="n">1.2</td><td class="n">0.0</td><td class="n">0.0</td></tr>
 <tr><td>后档 L33–L50</td><td class="n">18</td><td class="n">2.4</td><td class="n">1.7</td><td class="n">0.2</td><td class="n">0.0</td></tr>
 </tbody>
 </table>
-<p class="meta">难度 3 = 刚刚好；无解感越低越好。这两项是评分里唯二复测可信的（r = 0.93 / 0.85），其余几项是模型噪声，不列。</p>
+<p class="meta">难度 3 = 刚刚好；无解感越低越好。这两项只在<b>按档平均</b>时可读：逐关复测 r = 0.55 / 0.45（本轮 50 对复测现算），好玩与清晰度更低，不列。三档单调上升是这一轮的结果，逐关的高低不要当真。</p>
 
 <h2>这批数字里，哪些能信</h2>
 <div class="note">
 <p><b>机械面是干净的，可以信。</b>agent 跑完 50 关：空点 0.0 次/关、盲转 0.1 次/关、反向转 0.1 次/关，50/50 关通关。「动了半天没结果」这类结构缺陷已经被生成期的闸门挡掉了。</p>
-<p><b>难度评分不能信，它区分不了这批关卡。</b>50 关里有 41 关被打成 2 分，而这些关卡机械上差着三倍（决策数 0–8）。原因不在关卡，在 bench：文字盘面会把每颗棋子的路线、挡路者、紧贴者<b>直接列成清单</b>，agent 从来不需要用眼睛顺着线走一遍——而那正是这个游戏的难点所在。agent 自己在报告里写过这句：「挡路名单已经写全，不用顺着格子数」。</p>
-<p><b>所以难度顺序是机械假设，等你的判定。</b>L1 到 L50 是按旋转深度、棋子数、互锁程度排的，不是按谁测出来更难。评分唯一能用的是它的<b>总体读数</b>：整批偏易一档（2 分 vs 刚刚好的 3 分）。</p>
-<p><b>两件事我没有擅自改，留给你定。</b>agent 的 33 条抱怨里反复出现两个主题：路线太长看不完（「68 格 27 弯」「42 格 42 弯」），以及紧贴容易看漏（「看着能出界却会擦到」）。两项都是感知问题，而<b>已上线的 v0.5 在这两项上更严重</b>（最长路线 88 格 vs 这里 74 格）——它是这个游戏本来的性格，不是这次构造引入的。卡片上「最长路线」超 45 格、「紧贴棋子」超 1 枚会标黄，你试玩时留意。</p>
+<p><b>难度评分不能信，它区分不了这批关卡。</b>50 关里有 42 关被打成 2 分，而这些关卡机械上差着三倍（决策数 0–8）。原因不在关卡，在 bench：文字盘面会把每颗棋子的路线、挡路者、紧贴者<b>直接列成清单</b>，agent 从来不需要用眼睛顺着线走一遍——而那正是这个游戏的难点所在。agent 自己在报告里写过这句：「挡路名单已经写全，不用顺着格子数」。</p>
+<p><b>所以逐关顺序是机械假设，等你的判定。</b>L1 到 L50 是按旋转深度、棋子数、互锁程度排的，不是按谁测出来更难。评分能用的只有<b>整档</b>：这一轮三档是 2.0 / 2.1 / 2.4，第一次单调上升，但后档 2.4 仍低于「刚刚好」的 3 分。</p>
+<p><b>两件事我没有擅自改，留给你定。</b>agent 这一轮写了 100 条抱怨，反复出现两个主题：<b>路线太长看不完</b>（「开局 t0 那条 42 格弯路太长，挡谁只能靠摘要判断」「开局t0那条54格路线太长，真正有用的只有路上挡着谁这一句」），以及<b>紧贴容易看漏</b>（「朝向1时t5路上没人却紧贴t4和t6，长直道擦碰差点误点」「第14步转到朝向2，t0看起来能出界但会擦到t2，差点误点」）。两项都是感知问题，而<b>已上线的 v0.5 在这两项上更严重</b>（最长路线 88 格 vs 这里 74 格）——它是这个游戏本来的性格，不是这次构造引入的。卡片上「最长路线」超 45 格、「紧贴棋子」超 1 枚会标黄，你试玩时留意。</p>
 </div>
 
 <h2>逐关</h2>
@@ -216,8 +216,8 @@ footer{margin-top:50px;padding-top:18px;border-top:1px solid var(--rule);color:v
     <span>紧贴棋子</span><b class="">0 枚</b>
   </div>
   <div class="verdict">
-    <div class="row"><span>难度 —</span><span>无解感 —</span><span>17 步</span><span>7 决策</span></div>
-    
+    <div class="row"><span>难度 2</span><span>无解感 2</span><span>17 步</span><span>7 决策</span></div>
+    <div class="worst">第14步转到朝向2，t0看起来能出界但会擦到t2，差点误点</div>
   </div>
   <a class="play" href="../index.html?campaign=c50&level=8">试玩 →</a>
 </div>
@@ -641,8 +641,8 @@ footer{margin-top:50px;padding-top:18px;border-top:1px solid var(--rule);color:v
     <span>紧贴棋子</span><b class="">0 枚</b>
   </div>
   <div class="verdict">
-    <div class="row"><span>难度 2</span><span>无解感 2</span><span>13 步</span><span>8 决策</span></div>
-    <div class="worst">朝向1点完t1后剩下四枚两两对堵，超长轨道绕几十格，一时分不清是还没清干净还是该转</div>
+    <div class="row"><span>难度 2</span><span>无解感 1</span><span>13 步</span><span>7 决策</span></div>
+    <div class="worst">开局长轨道绕三十多格，t1和t2对挡时要扫一遍才确定一枚都走不了、只能转</div>
   </div>
   <a class="play" href="../index.html?campaign=c50&level=33">试玩 →</a>
 </div>
diff --git a/scripts/build-review-50.mjs b/scripts/build-review-50.mjs
index a30f79a..4ce37b5 100644
--- a/scripts/build-review-50.mjs
+++ b/scripts/build-review-50.mjs
@@ -45,6 +45,7 @@ if (existsSync(RUNS)) {
 
 const esc = s => String(s ?? '').replace(/[&<>"]/g, c => ({ '&': '&amp;', '<': '&lt;', '>': '&gt;', '"': '&quot;' }[c]));
 const mean = a => a.length ? a.reduce((x, y) => x + y, 0) / a.length : null;
+const f2 = x => x == null || Number.isNaN(x) ? '—' : (Math.round(x * 100) / 100).toFixed(2);
 const f1 = x => x == null || Number.isNaN(x) ? '—' : (Math.round(x * 10) / 10).toFixed(1);
 
 // A flat SVG of the opening position: tracks in grey, pieces as arrows. Small
@@ -81,8 +82,45 @@ const perceptual = Object.fromEntries(levels.map(l => [l.id, {
   ...legibility(l),
 }]));
 
+// This round played most levels twice, so reliability is measured here rather
+// than quoted: an older, smaller sample had difficulty at r = 0.93, and on this
+// set it is not that.
+const runsByBoard = new Map();
+if (existsSync(RUNS)) {
+  for (const f of readdirSync(RUNS)) {
+    if (!f.endsWith('.json') || f === 'index.json') continue;
+    try {
+      const d = JSON.parse(readFileSync(resolve(RUNS, f), 'utf8'));
+      if (d.agent !== AGENT || d.status === 'playing' || !d.level?.tiles) continue;
+      const k = deepLevelKey(d.level);
+      if (!boardKey.has(k)) continue;
+      if (!runsByBoard.has(k)) runsByBoard.set(k, []);
+      runsByBoard.get(k).push(metrics(d));
+    } catch { /* torn read */ }
+  }
+}
+const retestPairs = [...runsByBoard.values()].filter(v => v.length >= 2).map(v => [v[0], v[1]]);
+// Quote the round's own complaints rather than the previous round's, which were
+// written about levels this edition no longer contains.
+const complaints = [...runsByBoard.values()].flat().map(m => String(m.rating?.worst ?? '').trim()).filter(Boolean);
+const pickQuotes = re => [...new Set(complaints.filter(t => re.test(t)))]
+  .sort((a, b) => a.length - b.length).slice(0, 2).map(t => t.length > 34 ? t.slice(0, 34) + '…' : t);
+const longQuotes = pickQuotes(/\d{2,}\s*格|太长|读不完|跟不住|绕/);
+const grazeQuotes = pickQuotes(/紧贴|擦/);
+const sd = a => { const m = mean(a); return Math.sqrt(mean(a.map(v => (v - m) ** 2))); };
+const retest = get => {
+  const ok = retestPairs.filter(p => Number.isFinite(get(p[0])) && Number.isFinite(get(p[1])));
+  if (ok.length < 8) return null;
+  const A = ok.map(p => get(p[0])), B = ok.map(p => get(p[1]));
+  const sa = sd(A), sb = sd(B);
+  if (!sa || !sb) return null;
+  const ma = mean(A), mb = mean(B);
+  return mean(A.map((v, i) => (v - ma) * (B[i] - mb))) / (sa * sb);
+};
+
 const rated = levels.map(l => verdicts[l.id]).filter(Boolean);
 const band = (a, b) => levels.slice(a, b).map(l => verdicts[l.id]).filter(Boolean);
+const BANDS = [['前档 L1–L12', 0, 12], ['中档 L13–L32', 12, 32], ['后档 L33–L50', 32, 50]];
 const bandRow = (label, a, b) => {
   const rows = band(a, b);
   const g = k => mean(rows.map(m => Number(m.rating?.[k])).filter(x => !Number.isNaN(x)));
@@ -164,14 +202,14 @@ ${bandRow('中档 L13–L32', 12, 32)}
 ${bandRow('后档 L33–L50', 32, 50)}
 </tbody>
 </table>
-<p class="meta">难度 3 = 刚刚好；无解感越低越好。这两项是评分里唯二复测可信的（r = 0.93 / 0.85），其余几项是模型噪声，不列。</p>
+<p class="meta">难度 3 = 刚刚好；无解感越低越好。这两项只在<b>按档平均</b>时可读：逐关复测 r = ${f2(retest(m => Number(m.rating?.difficulty)))} / ${f2(retest(m => Number(m.rating?.stuck)))}（本轮 ${retestPairs.length} 对复测现算），好玩与清晰度更低，不列。三档单调上升是这一轮的结果，逐关的高低不要当真。</p>
 
 <h2>这批数字里，哪些能信</h2>
 <div class="note">
 <p><b>机械面是干净的，可以信。</b>agent 跑完 ${rated.length} 关：空点 ${f1(mean(rated.map(m => m.deadTaps)))} 次/关、盲转 ${f1(mean(rated.map(m => m.blindRotations)))} 次/关、反向转 ${f1(mean(rated.map(m => m.wrongWayRotations)))} 次/关，${rated.filter(m => m.cleared).length}/${rated.length} 关通关。「动了半天没结果」这类结构缺陷已经被生成期的闸门挡掉了。</p>
 <p><b>难度评分不能信，它区分不了这批关卡。</b>${rated.length} 关里有 ${rated.filter(m => Number(m.rating?.difficulty) === 2).length} 关被打成 2 分，而这些关卡机械上差着三倍（决策数 0–8）。原因不在关卡，在 bench：文字盘面会把每颗棋子的路线、挡路者、紧贴者<b>直接列成清单</b>，agent 从来不需要用眼睛顺着线走一遍——而那正是这个游戏的难点所在。agent 自己在报告里写过这句：「挡路名单已经写全，不用顺着格子数」。</p>
-<p><b>所以难度顺序是机械假设，等你的判定。</b>L1 到 L50 是按旋转深度、棋子数、互锁程度排的，不是按谁测出来更难。评分唯一能用的是它的<b>总体读数</b>：整批偏易一档（2 分 vs 刚刚好的 3 分）。</p>
-<p><b>两件事我没有擅自改，留给你定。</b>agent 的 33 条抱怨里反复出现两个主题：路线太长看不完（「68 格 27 弯」「42 格 42 弯」），以及紧贴容易看漏（「看着能出界却会擦到」）。两项都是感知问题，而<b>已上线的 v0.5 在这两项上更严重</b>（最长路线 88 格 vs 这里 ${Math.max(...Object.values(perceptual).map(p => p.longest))} 格）——它是这个游戏本来的性格，不是这次构造引入的。卡片上「最长路线」超 45 格、「紧贴棋子」超 1 枚会标黄，你试玩时留意。</p>
+<p><b>所以逐关顺序是机械假设，等你的判定。</b>L1 到 L50 是按旋转深度、棋子数、互锁程度排的，不是按谁测出来更难。评分能用的只有<b>整档</b>：这一轮三档是 ${BANDS.map(([, a, b]) => f1(mean(levels.slice(a, b).map(l => verdicts[l.id]).filter(Boolean).map(m => Number(m.rating?.difficulty)).filter(Number.isFinite)))).join(' / ')}，第一次单调上升，但后档 ${f1(mean(levels.slice(32).map(l => verdicts[l.id]).filter(Boolean).map(m => Number(m.rating?.difficulty)).filter(Number.isFinite)))} 仍低于「刚刚好」的 3 分。</p>
+<p><b>两件事我没有擅自改，留给你定。</b>agent 这一轮写了 ${complaints.length} 条抱怨，反复出现两个主题：<b>路线太长看不完</b>（${longQuotes.map(q => `「${esc(q)}」`).join('') || '—'}），以及<b>紧贴容易看漏</b>（${grazeQuotes.map(q => `「${esc(q)}」`).join('') || '—'}）。两项都是感知问题，而<b>已上线的 v0.5 在这两项上更严重</b>（最长路线 88 格 vs 这里 ${Math.max(...Object.values(perceptual).map(p => p.longest))} 格）——它是这个游戏本来的性格，不是这次构造引入的。卡片上「最长路线」超 45 格、「紧贴棋子」超 1 枚会标黄，你试玩时留意。</p>
 </div>
 
 <h2>逐关</h2>