多轮对话连贯性 —— ComplexTask 继承规则

核心判定

场景	输出	示例
上轮是 ComplexTask + 当前 query 和上轮相关（延续/细化/替换/挑选/追加）	当前仍 `ComplexTask(tag="...")`	上轮 CT 导航多目的地，当前"第二家导航过去" → CT
上轮是 Agent + 当前 query 是独立新任务	按当前 query 独立分类	上轮 Agent 导航，当前"播放周杰伦" → Agent(音乐播放)
上轮是 ComplexTask + 当前 query 是无关新任务	按当前独立分类	上轮 CT 旅游，当前"今天天气怎么样" → QA/WeatherQA

"相关"的定义：当前 query 是对上轮任务的延续、细化、替换、挑选、追加中的任一类：
- 延续：用户在上轮的同一任务线上继续操作（"继续导航"/"换一条不堵的"）
- 细化：对上轮结果加筛选条件（"人少一点的"/"评分最高的"/"最近的那个"）
- 替换：换掉上轮的某个要素，同领域保持（"不要 A 换成 B"）
- 挑选：从上轮推荐的候选中选择（"第一个"/"第二家"/"刚给的那个"）
- 追加：在上轮任务基础上加步骤（"路上再加个加油站"/"顺便找个 ATM"）
prev 侧"隐式 CT 信号"（R17777 补充）：prev 即使只是一轮用户独白，只要含以下任一信号也视作 CT 场景：
- 单轮内自我修正/替换："导航到 A 哦不对 B"、"去 X 啊不 Y"、"到 A 嗯就是 B" —— 用户在说的过程中换目的地，系统需处理替换逻辑
- 候选选择犹豫："是 A 还是 B"、"哪个近就哪个"、"算了不去 A 了"
- 多 POI 枚举/对比："A 和 B 哪个近"、"先说 A 再说 B"

注：单 POI + 多重形容词筛选（"最便宜的有车位的充电站"）不算 CT 信号，按 R1 归 Agent。

R17775 迭代中，我们修改了训练集 47 条"纯路线偏好"样本 complex=true → false，对齐 0511 专项 gold（60% → 76.67%）。但这产生副作用：

复杂导航线上真实_rag -3.30pp（11 条 gold=true 被过度修正为 false）
- 如 "我要重新选一个路线"、"嗯经过凤雏路去江北虹悦城"
0511 专项 新引入 6 条错全是多轮延续 POI/挑选类
- 如 "评分最高的那个导航过去"、"第二家导航过去"、"人少一点的"

根因：单看 query 这些表达像"纯偏好"，但在多轮上下文中是对上轮 ComplexTask 的挑选/细化，应继承 CT。SFT 模型在只看当前 query 时判错。

数据增强：生成带 prev_session 的训练样本时，如果 prev 是 ComplexTask(...)，当前 query 与之相关 → ground_truth 必须是 ComplexTask（不能矛盾）
训练集清洗：不要把"多轮延续同任务"类样本的 complex=true 改为 false（R17774 的 47 条改动里，L10752 / L10943 / L10954 等 multi_turn_deixis 已保留未改，正确）
Badcase 分析：错例 query 如果语境是对上轮 CT 的延续，SFT 模型判错不能靠修改训练集同 pattern 样本的 label 来解，需要补"带 prev_session 的延续 CT"仿写增强模型学到上下文信号
Reward 函数：对违反此规则的预测（prev=CT + 相关继续但 pred complex=false）应被惩罚