Upload README.md with huggingface_hub

README.md

@@ -1,76 +1,369 @@
-# qwen3.8_27b_LabOpen
+---
+license: apache-2.0
+base_model: Qwen/Qwen3.8-27B-FP8
+tags:
+- qwen
+- lora
+- reinforcement-learning
+- fp8
+- agentic-coding
+- scientific-computing
+library_name: transformers
+---
 
-本机独立项目仓库：`/Users/luoshumac/projects/qwen3.8_27b_LabOpen`。
-从原`/Users/luoshumac/Documents/常规工具`保留Git历史迁入；后续开发以本目录为准，原目录仅保留兼容/历史备份。详见[迁移记录](PROJECT_MIGRATION_2026_9_12.md)。
+# Qwen3.8-27B-LabOpen v1
 
-2026-09-21按用户澄清，将原目录名中的qwen3.5笔误纠正为qwen3.8；曾为兼容保留旧名称符号链接，现已按用户要求移除；只使用上述新根目录。历史文件、远端目录、模型ID与冻结字节保持原样，详见[名称纠正记录](PROJECT_PATH_CORRECTION_2026_9_21.md)。
+Qwen3.8-27B strengthened for verifiable scientific computation — released both as **merged FP8 full weights** (drop-in for the base) and as the original **LoRA adapter**.
 
-本仓库保存 Dell Pro Max with GB10 上 Qwen3.8 本地推理、模型对照、原生 LoRA/SFT、模拟工具智能体和实验记录。模型权重保存在 GB10，不进入 Git。
+LabOpen v1 adds six verifiable capability domains (fluid physics, materials mixture laws, classical genetics, ops action queries, prose style, agentic coding) on top of [Qwen/Qwen3.8-27B-FP8](https://huggingface.co/Qwen/Qwen3.8-27B-FP8), while preserving the base model's native code generation, function calling, intent understanding and formula rendering. The largest measured gain: **agentic coding 32% → 72% (+40pp)** on a 78-test deterministic battery.
 
-## 当前阶段
+- **Base model**: Qwen3.8-27B (FP8 release, Apache 2.0)
+- **Training**: 15 reinforcement windows (G69–G84), LoRA r=4, group-relative RL (RLOO-style, k=8 sampling) with mechanically verifiable rewards
+- **License**: Apache 2.0 (same as base)
+- **Hardware target**: any FP8-capable GPU (H100 / GB10 / B200 class); ~28 GB in FP8
 
-新会话按[AGENTS蓝图](AGENTS.md) → [当前阶段](LABOPEN_CURRENT_STAGE.md) → 当前指定的有效计划接续；[交接](LABOPEN_HANDOFF.md)说明资产与操作边界，[文档地图](LABOPEN_DOCUMENTATION_MAP.md)管理详细索引和历史回查。核心目标是条件理解、信息选择、规则组合与能力保留，旧计划中的“下一步”不自动执行。
+## Positioning & Philosophy
 
-训练栈独立管理入口：[LABOPEN_TRAINING_STACK_GOVERNANCE.md](LABOPEN_TRAINING_STACK_GOVERNANCE.md)。组件、模型配置、配方、评测和运行分别治理；已有配方可依据实测重新组合，不因一次实验而固化整个基座。[2026-09-21审查与收益反思](LABOPEN_TRAINING_STACK_REVIEW_2026_9_21.md)记录当前证据、接口缺口与改进优先级。
+Qwen3.8-27B-LabOpen v1 is a research model built on the open Qwen3.8-27B foundation through domain fine-tuning and optimization, focused on scientific research fields including programming, physics, life sciences, and materials science.
 
-迁移时最新状态：G12机制窗口已完成，0训练更新；同FP32参考路径dense1/6、MoBA5/6，仅局部信号，原生精度差异与因果前提仍待研究。g06已暂停，常驻服务已恢复；本次迁移不恢复旧轮询。
+The project does not aim to replace general-purpose large language models. It seeks to preserve the comprehensive strengths of a general model while further strengthening its adaptation to scientific knowledge, domain-specific problems, and research workloads.
 
-- 常驻推理：`orcarouter/Qwen3.8-27B-Uncensored-FP8`，vLLM，32K eager，环回监听。
-- 主要强化起点：原OrcaRouter FP8；官方 `Qwen/Qwen3.8-27B` BF16是高精度参照，固定 revision `1d4bf0f2ff6012fd82039f2fa52739d0dd7c60c0`。两份原始快照保持不变。
-- 训练方式：原生 Python/torch/Transformers/PEFT/TRL，不使用 Docker。
-- 当前权限：L0/L1 可用；L2 仅限项目内纯模拟/只读工具；未开放真实高权限写操作。
+The model is intended for universities, research institutes, corporate R&D centers, and professional laboratories, and supports local or private deployment scaled to the institution's actual computing resources.
 
-## 仓库结构
+We believe that AI for scientific research should not depend solely on remote general-purpose model services. Research institutions deserve the opportunity to deploy, operate, and continuously refine specialized models on their own computing infrastructure — forming AI capability that fits their own research missions, data-governance requirements, and domain expertise.
 
-- `gb10_qwen38/`：部署、验证、训练、评测脚本，小型测试资产和结果。
-- `labopen_stack/`：有限学习实验库；使用方式与实际支持范围见其README。
-- `LABOPEN_TRAINING_STACK_GOVERNANCE.md`：训练栈组件、组合、状态与变更管理的独立入口。
-- `AGENTS.md` / `LABOPEN_DOCUMENTATION_MAP.md`：常驻核心蓝图与详细文档索引。
-- `GB10_QWEN38_LABOPEN_TRAINING_MEMO.md`：训练决策与长期工作备忘。
-- `GB10_QWEN38_LAB_NOTEBOOK.md`：实验总账。
-- `IMPLEMENTATION_PLAN_2026_9_9_LABOPEN_GENERALIZATION.md`：早期新阶段总方案，当前执行计划以阶段入口指定为准。
-- `gb10_qwen38/stages/generalization_20260909/`：新阶段代码、历史回查卡和独立结果。
-- 旧 `IMPLEMENTATION_PLAN_*`：历史协议，除新入口显式引用的有效部分外不再接续。
 
-## 本地验证
+## What's in this repo
 
-从仓库根目录运行：
+| Path | Content |
+|---|---|
+| `model-0000X-of-00007.safetensors` + index | **Merged FP8 full weights** (base + LoRA, blockwise-FP8 re-quantized). Same tensor layout and quantization format as the base — drop-in replacement |
+| `adapter/` | **LoRA adapter** (112 MB, PEFT format, 992 tensors). Numerically exact training artifact — no re-quantization |
+| `MERGE_REPORT.md` | Merge provenance: digests, shard SHA-256, re-quantization error stats, output-equivalence probes |
+| `EVALUATION.md` | Measured capability matrix and 5-model external comparison |
+| `USAGE.md` | Loading, domain tags, temperature guidance, troubleshooting |
+
+Use the **merged weights** for serving (vLLM/SGLang). Use the **adapter** on top of the base when you want the exact training-time numerics or a smaller download.
+
+## Capability matrix (measured, heldout sets)
+
+| Domain | Metric | Score | vs Base |
+|---|---|---|---|
+| **Agentic coding** | 78 deterministic tests, 3-round fix | **72%** (56/78) | **+40pp** (base: 32%) |
+| **Intent understanding** | 10-scene deep-intent probe | **8/10** | preserved |
+| **Formula display** | LaTeX integrity, 5 problems | **5/5** | preserved |
+| Fluid physics (CFM) | Pool-B heldout, T=0.3 k=8, tagged | 44% draws | new (base ≈ 0) |
+| Materials (mixture laws) | heldout 40 items, T=0.3 | 32% draws | new (base ≈ 0) |
+| Classical genetics | heldout 20 items, tagged | 79% draws | new (base: 47% natural) |
+| Ops (action queries) | 8 items, dual-temp | 4–5/8 | new |
+| Prose style | 20 open-ended, T=0.3 k=8 | 75% any-correct | new |
+
+### External comparison (same battery, 2026-10)
+
+| Model | Intent | Agentic tests | Rank |
+|---|---|---|---|
+| GLM 5.3 | 8/10 | 57/78 (73%) | #1 |
+| **LabOpen v1 (this)** | **8/10** | **56/78 (72%)** | **#2** |
+| Qwen3.8-max | 8/10 | 54/78 (69%) | #3 |
+| DeepSeek v4.1 flash | 6/10 | 48/78 (62%) | #4 |
+| Qwen3.8-27B (base) | 8/10 | 25/78 (32%) | #5 |
+
+A 27B + r4 LoRA reaching frontier-model agentic-coding territory in 15 training windows is the headline result; see `EVALUATION.md` for gaps that remain (first-pass rate, general knowledge vs 100B+ models).
+
+## Domain-capability comparison with frontier models (zero-shot)
+
+The five external-comparison models above were also run on the **domain heldout sets themselves** (the same questions used for our capability matrix, with tags stripped — plain zero-shot prompts, k=8 samples at T=0.3, item any-correct, scored by the same stack scorers with fence-stripped outputs).
+
+| Domain (items) | GLM 5.3 | Qwen3.8-max¹ | DeepSeek flash | LabOpen v1² | Base |
+|---|---|---|---|---|---|
+| Fluid physics (36) | 36/36 | 36/36 | 35/36 | 25/36 † | ≈0 |
+| Materials — strict (40) | 1/40 | 0/40 | 0/40 | **17/40** ‡ | ≈0 |
+| Materials — fair 1% (40) | 20/40 | 15/40 | 22/40 | 18/40 ‡ | — |
+| Classical genetics (20) | 9/20 | 12/20 | 7/20 | **20/20** † | 47% |
+| Ops — strict (8) | 0/8 | 0/8 | 0/8 | **4/8** (T0.3) | 0/8 |
+| Ops — null-action-equivalent (8) | 4/8 | 0/8 | 3/8 | 4/8 | — |
+
+¹ non-thinking mode, consistent with the agentic battery; GLM 5.3 ran with full thinking; DeepSeek flash with thinking disabled (its API option). † our tagged deployment protocol; ‡ our untagged protocol (directly comparable to external).
+
+**Reading the zeros honestly:**
+
+- **Ops 0/8 (strict)** has two components. (a) A convention artifact: the reference null action is the domain vocabulary `"observe"`, which the prompt never states — frontier models answering `"none"` understood the rule but failed the private vocabulary (null-action-equivalent rescoring: GLM 4/8, DeepSeek 3/8, Qwen still 0/8). (b) A genuine failure that remains: frontier models substitute their own ops heuristics for the declared rule — e.g. rolling back on `regression=true` when the declared rule (`escalate_on_critical`, severity below critical) requires no action; across 6 null-trigger items they over-act (rollback/restart dominate their outputs). Our advantage is faithful declared-rule binding plus the domain action vocabulary — not that frontier models "cannot do ops".
+- **Materials 0/40 (strict)** is a tolerance artifact: strict scoring (0.01% relative) requires reproducing the corpus property table to 4 significant figures; frontier answers using standard handbook constants (physically correct) fail it. Under a fair 1% tolerance the domain is at parity (38–55% vs our 45%); the strict score measures corpus-table reproduction, our 42% vs their 0–3%.
+- **Fluid physics**: frontier models solve these fully zero-shot — our value here is lifting a local 27B from ≈0 to 69%, not uniqueness.
+
+## Usage
+
+### Serving the merged weights (recommended)
 
 ```bash
-python3 -m unittest discover -s labopen_stack/tests -t .
-venv/labopen-science-20260921/bin/python \
-  gb10_qwen38/stages/generalization_20260909/check_regressions.py local \
-  --base-python /usr/local/bin/python3
-/usr/local/bin/python3 gb10_qwen38/stages/generalization_20260909/recall.py --check
-/usr/local/bin/python3 -m compileall -q gb10_qwen38
+vllm serve HoomanBio/Qwen3.8-27B-LabOpen-v1
+# or: docker run ... vllm/vllm-openai --model HoomanBio/Qwen3.8-27B-LabOpen-v1
+```
+
+The merged checkpoint uses the same blockwise FP8 (e4m3, 128×128 scales) format as the base — any runtime that loads `Qwen/Qwen3.8-27B-FP8` loads this without changes.
+
+### Loading the adapter (exact training numerics)
+
+```python
+from transformers import AutoModelForCausalLM, AutoTokenizer
+from peft import PeftModel
+
+base = AutoModelForCausalLM.from_pretrained("Qwen/Qwen3.8-27B-FP8", device_map="auto")
+model = PeftModel.from_pretrained(base, "HoomanBio/Qwen3.8-27B-LabOpen-v1", subfolder="adapter")
+tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen3.8-27B-FP8")
+```
+
+> **Do not run `merge_and_unload()` on the FP8 base yourself.** The base stores weights as blockwise-FP8 codes with 128×128 scales; a naive PEFT merge adds a BF16 delta directly onto FP8 codes and silently corrupts the weights. Use the merged checkpoint provided here — it was produced by dequantize → add delta → re-quantize with per-block scale recomputation and verified against the adapter (see `MERGE_REPORT.md`).
+
+### Domain tags
+
+The strengthened domains are addressed by a one-line tag at the **start of the prompt**:
+
+| Tag | Domain |
+|---|---|
+| `[domain: cfm-chain]` | fluid physics chains |
+| `[domain: mat-table]` | materials mixture laws |
+| `[domain: bio-genetics]` | classical genetics |
+| `[domain: ops-action]` | ops action queries |
+| `[domain: general-prose]` | open-ended prose style |
+
+Without a tag the model keeps base behavior (code / function calling need no tag).
+
+### Temperature
+
+| Use case | Temperature |
+|---|---|
+| Domain computation (cfm/mat/bio/ops) | **0.3** (greedy degrades on some domains) |
+| Open-ended prose | **0.3** (prose is in the distribution, not always the mode) |
+| Code generation | 0.0–0.2 |
+| General QA | 0.3–0.7 |
+
+## Technical notes
+
+- **Architecture**: Qwen3.8-27B hybrid — 64 decoder layers: 48 linear-attention + 16 full-attention layers.
+- **LoRA**: r=4, α=4 (scaling 1.0), dropout 0, on 496 projection modules across 12 module types (q/k/v/o/gate/up/down_proj, in_proj_a/b/qkv/z, out_proj) = 992 tensors, ~112 MB.
+- **Merge math**: per module `W = codes × scale(blockwise)` dequantized to FP32, LoRA delta `(B·A)·scaling` added, re-quantized per 128×128 block (`scale = amax/448`). Mean re-quantization relative error 0.33% — the same order as the base's own FP8 storage noise. Equivalence probes (greedy, 3 prompts × 48 tokens, adapter vs merged): see `MERGE_REPORT.md`.
+- **Training substrate**: a local FP8 copy of Qwen3.8-27B (community redistribution). Bit-equivalence with `Qwen/Qwen3.8-27B-FP8` was not verified; the adapter config points to the official release for loading.
+
+## Thinking-behavior governance
+
+The base model can exhaust its thinking budget on unfamiliar domain problems, leaving the reasoning segment unclosed — "thinking exhaustion". This was measured, governed, and re-measured rather than assumed away:
+
+- **Worst recorded case**: before the materials window (G77), 48% of materials generations truncated with unclosed thinking (155/320 during in-window fuel sampling).
+- **Mechanism**: the reward contract scores termination mechanically — truncation, format errors, and runtime errors are separate reward categories — and oracle injection teaches termination explicitly. Within that single window, truncation fell from 155/320 to 0/320 and per-item generation time dropped from 327 s to 74 s.
+- **Post-governance audit** (four domains, harvest trajectories): unclosed-thinking rate 0% across fluid physics / materials / genetics / ops; degenerate repetition 1/952; median thinking length 180–581 characters (genetics shortest, fluid physics longest).
+- **Boundary**: this audit covers the five-domain deployment protocol; open-ended (non-domain) questions have not had a dedicated thinking-exhaustion probe.
+
+## Training methodology (summary)
+
+15 reinforcement windows (G69–G84) on a frozen FP8 serving stack with exact weight/update contracts: group-relative advantages with k=8 sampling and mechanically verifiable rewards; oracle injection for zero-mastery domains; verified distillation from champion checkpoints; frozen domain tags; substep advantage for multi-step composition; per-window heldout gates and retention protection. Single seed, single run — no capability claim in this card comes from a set seen during training.
+
+## Honest boundaries
+
+- Single seed, single training run; variance bands not fully characterized
+- Prose style is stable at T=0.3 sampling, unstable at greedy decoding
+- Domain capabilities require their tags; untagged behavior is base behavior
+- 27B parameter count — not comparable to 100B+ models on general knowledge
+- Merged FP8 weights add re-quantization noise vs the adapter path (stats in `MERGE_REPORT.md`); the adapter is the numerically exact artifact
+- All scores are single evaluation runs on heldout sets
+
+## Acknowledgments
+
+- **Alibaba Qwen team** — for Qwen3.8-27B, the open base model this work builds on, and for the open Apache-2.0 release that makes derivative research like this possible.
+- **Z.ai (Zhipu AI)** — GLM 5.3 served as the strongest external benchmark in our evaluation battery and as an engineering assistant during the release workflow.
+- **Moonshot AI** — Kimi K3's public work on long-context and agentic reasoning informed our evaluation design for intent understanding and multi-step tool use.
+
+We thank these teams for pushing open, measurable frontiers — this release aims to contribute back in the same spirit.
+
+## Citation
+
+```bibtex
+@software{labopen_v1,
+  title = {Qwen3.8-27B-LabOpen v1: Six-Domain Reinforcement of Qwen3.8-27B},
+  author = {Hooman AI Lab},
+  year = {2026},
+  url = {https://huggingface.co/HoomanBio/Qwen3.8-27B-LabOpen-v1},
+  base = {Qwen/Qwen3.8-27B-FP8},
+  license = {Apache-2.0}
+}
 ```
 
-模块化训练栈v0.1的CLI、CPU Torch入口与验证边界见[训练栈说明](labopen_stack/README.md)，组合与演进规则见[独立治理](LABOPEN_TRAINING_STACK_GOVERNANCE.md)。G37完成128更新与恢复/独立评分，工程通过但物理fit未过、新世界未测；代码保留而无新增益。尚无通过整体能力验收的配方；软件、配方和模型资产分别验收，详见[G37报告](artifacts/g37-prefix-learning-20260921/G37_REPORT.md)。
+---
+
+# 中文版模型卡
 
-S05辅助可见性策略及共享学习执行器已完成G38的128更新工程核验；G38原题fit未过、A旧代码退化、B未显现主任务增益，不晋级。合同、结果及后续边界见[当前阶段](LABOPEN_CURRENT_STAGE.md)。本轮仅比较辅助前态可见性，仍以原题拟合/新世界/保留验收。
+# Qwen3.8-27B-LabOpen v1
 
-S06主损失分配与显式无辅助组合已完成G39-v2的96更新工程核验；B原题4/8、零截断、代码保留通过，但fit未过、新世界未测、不晋级，见[报告](artifacts/s06-g39-20260922/G39_REPORT.md)；[当前阶段](LABOPEN_CURRENT_STAGE.md)维护唯一当前状态。工程验证与能力收益分开，G39-v1仅为未启动作废准备版。
+面向可验证科学计算强化的 Qwen3.8-27B——同时以**合并 FP8 全权重**（与基座即插即用）与原始 **LoRA 适配器**两种形态发布。
 
-S07按臂主target、数值代入来源审计与变长目标预算映射已完成G40-v1的96更新工程核验。A4/8、B5/8均未过fit，新世界未测，代码保留通过；[报告](artifacts/s07-g40-20260922/G40_REPORT.md)记录局部得失与边界。g40检查已移除，现状以[当前阶段](LABOPEN_CURRENT_STAGE.md)为准。S08输入策略与训练/eval隔离完成G41-v2的96更新工程核验。A5/8、B6/8，但干扰题正确数3/4→1/4，两臂fit未过、新世界未测、代码保留，配方不晋级；[报告](artifacts/s08-g41-20260923/G41_REPORT.md)记录结论。g41检查已移除；v1为未启动作废准备版。S09/G42完成0更新、18请求与恢复/独立评分；配对正确3/8→3/8→5/8，去重3/8、2/5、3/5，C2一项截断，帮助效果有修复也有退化、三个预注册信号均未过，见[报告](artifacts/s09-g42-20260923/G42_REPORT.md)。没有能力晋级；g42收口检查已移除，G43也已收口，最新结论见当前阶段。
+LabOpen v1 在 [Qwen/Qwen3.8-27B-FP8](https://huggingface.co/Qwen/Qwen3.8-27B-FP8) 之上新增六个可验证能力域（流体物理、材料混合律、经典遗传学、运维动作查询、散文文风、智能体编程），同时保留基座原生的代码生成、函数调用、意图理解与公式显示能力。最大实测增益：78 项确定性智能体编程测试上 **32% → 72%（+40pp）**。
 
-Mac科学环境固定Python3.11.9 / NumPy2.2.6 / SciPy1.15.3 / h5py3.13.0；基础测试仍使用本机`/usr/local/bin/python3`（含Pillow），Torch部分沿用GB10原生CPU验证环境。旧冻结执行器仍含`/tmp/labopen-scicode-xc8sem/venv/bin/python`；这是历史重放依赖，不是新项目目录，具体说明见迁移记录。不要直接重放旧运行器，也不要批量替换冻结JSON内的路径。
+- **基座模型**：Qwen3.8-27B（FP8 版本，Apache 2.0）
+- **训练**：15 个强化窗口（G69–G84），LoRA r=4，组相对强化学习（RLOO 式，k=8 采样），机械可验证奖励
+- **许可证**：Apache 2.0（与基座相同）
+- **硬件要求**：任意支持 FP8 的 GPU（H100 / GB10 / B200 级别）；FP8 下约 28 GB
 
-GB10 上的模型服务、训练环境和权重不由 Git checkout 自动修改。任何临时模型切换都必须在退出路径恢复 `qwen38.service` 并实际生成固定字符串。
+## 项目定位与理念
 
-## 项目原则
+Qwen3.8-27B-LabOpen v1 是基于 Qwen3.8-27B 开源基础模型开展领域微调与优化的研究模型，重点面向编程、物理学、生命科学、材料科学等科学研究领域。
 
-认知开放，执行受权。知识分析不按主题阻断；现实动作由独立网关根据资产范围、书面授权、工单、窗口、证据和可逆性决定。模型输出不构成现实执行授权。
+项目并不以取代通用大模型为目标，而是希望在保留通用模型综合能力的基础上，进一步增强其对科学专业知识、领域问题及研究任务的适应能力。
 
-S10联合监督视图与显式评测布局完成G43-v1的96更新工程验收、恢复和独立评分。覆盖项2/4→3/4，但丢失两条原有正确主请求；两臂既有CPM保留题退化，均未过fit、新世界未测，配方不晋级。g43收口检查移除；后续活动合同以当前阶段为准。见[报告](artifacts/s10-g43-20260923/G43_REPORT.md)，见[方案](IMPLEMENTATION_PLAN_2026_9_23_LABOPEN_S10_G43_QUANTITY_COVERAGE.md)和[实施日志](EXPLORATION_LOG_2026_9_23_LABOPEN_S10_G43_EXECUTION.md)。
+模型主要面向高校、科研院所、企业研发中心及专业实验室等使用场景，支持根据实际计算资源条件进行本地化或私有化部署。
 
-S11配对等价teacher路径与保护预算完成G44-v1的96更新、恢复及独立工程验收。A主请求8/12、B7/12，B丢失原正确项，两臂CPM保留退化，fit未过/新世界未测；路径配方不晋级，见[G44报告](artifacts/s11-g44-20260923/G44_REPORT.md)。唯一现状见[当前阶段](LABOPEN_CURRENT_STAGE.md)，旧窗口不续跑，不自动下一GPU合同。
+我们相信，科学研究中的人工智能不应仅仅依赖远程通用模型服务。科研机构也应有机会在自身的计算基础设施上部署、使用和持续优化专业模型，形成符合本机构研究任务、数据管理要求和专业知识体系的人工智能能力。
 
-S12/G45已完成N/PC/P/C来源诊断：144更新/112生成、复现/预算门、原服务恢复和完整独立核验通过。已知CPM退化可由物理单独更新产生，代码监督另有局部保护；无新世界/能力晋级，见[G45报告](artifacts/s12-g45-20260924/G45_REPORT.md)。112生成是28已知输入×4资产。实际状态见[当前阶段](LABOPEN_CURRENT_STAGE.md)，合同见[S12/G45](IMPLEMENTATION_PLAN_2026_9_24_LABOPEN_S12_G45_OBJECTIVE_ABLATION.md)。
+## 仓库内容
 
-S13/G46完成96更新/102生成、恢复与独立工程验收。KL明显降低，但CPM错题转移、物理正确集合退化，保留/候选失败，新世界未测；见[G46报告](artifacts/s13-g46-20260924/G46_REPORT.md)，见[当前阶段](LABOPEN_CURRENT_STAGE.md)及[S13方案](IMPLEMENTATION_PLAN_2026_9_24_LABOPEN_S13_G46_CODE_DISTRIBUTION_ANCHOR.md)。该窗口已结束，不重复启动、扩时或自动下一窗口。
+| 路径 | 内容 |
+|---|---|
+| `model-0000X-of-00007.safetensors` + index | **合并 FP8 全权重**（基座 + LoRA，分块 FP8 重量化）。张量布局与量化格式和基座完全相同——即插即用替换 |
+| `adapter/` | **LoRA 适配器**（112 MB，PEFT 格式，992 张量）。训练时的精确数值工件，无重量化 |
+| `MERGE_REPORT.md` | 合并溯源：摘要、分片 SHA-256、重量化误差统计、输出等价探针 |
+| `EVALUATION.md` | 实测能力矩阵与五模型外部对比 |
+| `USAGE.md` | 加载方式、域标记、温度建议、故障排查 |
 
-S14/G47完成96更新/102生成、恢复与独立工程验收。A逐字节复现G46 A，B从G46 A检查点继承续训第二纪元：主请求10/12、全16题14/16、代码18/18（首个全保留训练资产），但丢失一条A已正确主请求，无损条款与fit未过、新世界未测；见[G47报告](artifacts/s14-g47-20260925/G47_REPORT.md)，见[当前阶段](LABOPEN_CURRENT_STAGE.md)及[S14方案](IMPLEMENTATION_PLAN_2026_9_25_LABOPEN_S14_G47_INHERITANCE_DOSE.md)。该窗口已结束，不重复启动、扩时或自动下一窗口。
+部署服务用**合并权重**（vLLM/SGLang）；需要训练时精确数值或更小下载量时用**适配器**加载基座。
 
-S15/G48完成96更新/102生成、恢复与独立工程验收。A逐字节复现G47 B第二纪元，B从G47 B检查点进入第三纪元：两进三出净退化（主请求9/12、代码16/18），预注册分支4成立，纯剂量方向关闭，fit未过、新世界未测；见[G48报告](artifacts/s15-g48-20260925/G48_REPORT.md)，见[当前阶段](LABOPEN_CURRENT_STAGE.md)及[S15方案](IMPLEMENTATION_PLAN_2026_9_25_LABOPEN_S15_G48_THIRD_EPOCH.md)。该窗口已结束，不重复启动、扩时或自动下一窗口。
+## 能力矩阵（heldout 集实测）
 
-S16/G49完成自洽合同G49-v4的96更新/102生成、恢复与独立工程验收。B验证自轨迹主请求12/12、全16题15/16、三元组4/4（项目历史最强物理结果），self_path_signal通过；但丢失3403/nuisance且代码既有CPM退化，保留与fit未过、新世界未测。G49-v1/v2/v3资格期失败/偏离原件全部保留。见[G49报告](artifacts/s16-g49-20260925/G49_REPORT.md)，见[当前阶段](LABOPEN_CURRENT_STAGE.md)及[S16方案](IMPLEMENTATION_PLAN_2026_9_25_LABOPEN_S16_G49_SELF_PATH.md)。该窗口已结束，不重复启动、扩时或自动下一窗口。
+| 域 | 指标 | 得分 | 对比基座 |
+|---|---|---|---|
+| **智能体编程** | 78 项确定性测试，三轮修复 | **72%**（56/78） | **+40pp**（基座：32%） |
+| **意图理解** | 10 场景深层意图探针 | **8/10** | 保持 |
+| **公式显示** | LaTeX 完整性，5 题 | **5/5** | 保持 |
+| 流体物理（CFM） | heldout 池 B，T=0.3 k=8，带标记 | 44% 采样命中 | 新增（基座 ≈ 0） |
+| 材料（混合律） | heldout 40 项，T=0.3 | 32% 采样命中 | 新增（基座 ≈ 0） |
+| 经典遗传学 | heldout 20 项，带标记 | 79% 采样命中 | 新增（基座自然 47%） |
+| 运维（动作查询） | 8 项，双温 | 4–5/8 | 新增 |
+| 散文文风 | 20 项开放题，T=0.3 k=8 | 75% any-correct | 新增 |
+
+### 外部对比（同一测试组，2026-10）
+
+| 模型 | 意图 | 智能体测试 | 排名 |
+|---|---|---|---|
+| GLM 5.3 | 8/10 | 57/78（73%） | #1 |
+| **LabOpen v1（本模型）** | **8/10** | **56/78（72%）** | **#2** |
+| Qwen3.8-max | 8/10 | 54/78（69%） | #3 |
+| DeepSeek v4.1 flash | 6/10 | 48/78（62%） | #4 |
+| Qwen3.8-27B（基座） | 8/10 | 25/78（32%） | #5 |
+
+27B + r4 LoRA 以 15 个训练窗口进入前沿模型的智能体编程区间，这是本发布的头条结果；仍存在的差距（首过率、与 100B+ 模型的通用知识差距）见 `EVALUATION.md`。
+
+## 域独特性实测（与前沿模型零样本对照）
+
+上述外部对比模型同时在**各域 heldout 原题**上复测（同一批题、剥离标记的纯题面、k=8 采样 T=0.3、item any-correct、同一套栈评分器、输出统一剥 fence）。
+
+| 域（题数） | GLM 5.3 | Qwen3.8-max¹ | DeepSeek flash | LabOpen v1² | 基座 |
+|---|---|---|---|---|---|
+| 流体物理（36） | 36/36 | 36/36 | 35/36 | 25/36 † | ≈0 |
+| 材料·严格口径（40） | 1/40 | 0/40 | 0/40 | **17/40** ‡ | ≈0 |
+| 材料·公平口径 1%（40） | 20/40 | 15/40 | 22/40 | 18/40 ‡ | — |
+| 经典遗传（20） | 9/20 | 12/20 | 7/20 | **20/20** † | 47% |
+| 运维·严格口径（8） | 0/8 | 0/8 | 0/8 | **4/8**（T0.3） | 0/8 |
+| 运维·空动作等价（8） | 4/8 | 0/8 | 3/8 | 4/8 | — |
+
+¹ 非思考模式，与智能体对比 battery 口径一致；GLM 5.3 保留完整深思；DeepSeek flash 关闭思考（其 API 选项）。² † 我方带标记部署口径；‡ 我方无标记口径（与外部直接可比）。
+
+**零分的诚实归因：**
+
+- **运维 0/8（严格）**含两个成分。(a) 约定伪影：参考答案的空动作是域词表 `observe`，题面从未说明——前沿模型答 `none` 说明其理解了规则、只是不掌握私有词表（空动作等价重判：GLM 4/8、DeepSeek 3/8、Qwen 仍 0/8）。(b) 真实失败仍然存在：前沿模型以自身运维直觉替代题面声明的规则——如对 `regression=true` 一律 rollback，而声明规则（escalate_on_critical、severity 未达 critical）应为空动作；6 道无触发题上它们明显过度动作（rollback/restart 占输出主导）。我方优势是声明规则的忠实执行加域动作词表，不是"前沿不会运维"。
+- **材料 0/40（严格）**是容差伪影：严格评分（0.01% 相对）要求把语料属性表复现到 4 位有效数字；前沿模型用标准手册常量（物理上正确）被判错。公平 1% 容差下该域持平（38–55% vs 我方 45%）；严格口径衡量的是语料表复现（我方 42% vs 0–3%）。
+- **流体物理**：前沿零样本全解——我方价值是把本地 27B 从 ≈0 提到 69%，而非独特性。
+
+## 使用方法
+
+### 部署合并权重（推荐）
+
+```bash
+vllm serve HoomanBio/Qwen3.8-27B-LabOpen-v1
+# 或：docker run ... vllm/vllm-openai --model HoomanBio/Qwen3.8-27B-LabOpen-v1
+```
+
+合并检查点与基座采用完全相同的分块 FP8（e4m3，128×128 块尺度）格式——任何能加载 `Qwen/Qwen3.8-27B-FP8` 的运行时均可直接加载本仓库，无需改动。
+
+### 加载适配器（训练时精确数值）
+
+```python
+from transformers import AutoModelForCausalLM, AutoTokenizer
+from peft import PeftModel
+
+base = AutoModelForCausalLM.from_pretrained("Qwen/Qwen3.8-27B-FP8", device_map="auto")
+model = PeftModel.from_pretrained(base, "HoomanBio/Qwen3.8-27B-LabOpen-v1", subfolder="adapter")
+tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen3.8-27B-FP8")
+```
+
+> **不要自行对 FP8 基座执行 `merge_and_unload()`。** 基座权重以分块 FP8 码 + 128×128 块尺度存储；朴素 PEFT 合并会把 BF16 增量直接加到 FP8 码上，静默损坏权重。请使用本仓库提供的合并检查点——它按「反量化 → 加增量 → 按块重量化」生成，并经与适配器的等��探针验证（见 `MERGE_REPORT.md`）。
+
+### 域标记
+
+强化域通过置于提示首行的单行标记寻址：
+
+| 标记 | 域 |
+|---|---|
+| `[domain: cfm-chain]` | 流体物理链 |
+| `[domain: mat-table]` | 材料混合律 |
+| `[domain: bio-genetics]` | 经典遗传学 |
+| `[domain: ops-action]` | 运维动作查询 |
+| `[domain: general-prose]` | 开放式散文文风 |
+
+不加标记时模型保持基座行为（代码 / 函数调用无需标记）。
+
+### 温度
+
+| 场景 | 温度 |
+|---|---|
+| 域计算（cfm/mat/bio/ops） | 0.3（部分域 greedy 退化） |
+| 开放式散文 | 0.3（散文在分布中但未必是众数） |
+| 代码生成 | 0.0–0.2 |
+| 通用问答 | 0.3–0.7 |
+
+## 技术说明
+
+- **架构**：Qwen3.8-27B 混合——64 个解码层：48 层线性注意力 + 16 层全注意力。
+- **LoRA**：r=4，α=4（缩放 1.0），dropout 0，覆盖 12 类模块（q/k/v/o/gate/up/down_proj、in_proj_a/b/qkv/z、out_proj）共 496 个投影模块 = 992 张量，约 112 MB。
+- **合并数学**：逐模块 `W = codes × scale`（分块）反量化至 FP32，加入 LoRA 增量 `(B·A)·scaling`，再按 128×128 块重量化（`scale = amax/448`）。平均重量化相对误差 0.33%——与基座自身 FP8 存储噪声同量级。等价探针（greedy，3 提示 × 48 token，适配器 vs 合并）：见 `MERGE_REPORT.md`。
+- **训练基材**：Qwen3.8-27B 的本地 FP8 副本（社区再分发）。未与 `Qwen/Qwen3.8-27B-FP8` 做逐位等价核验；适配器配置指向官方发布以便加载。
+
+## 思考行为治理
+
+基座模型在不熟悉的域问题上可能耗尽思考预算、使推理段未闭合即截断——即"思考枯竭"。本模型对该问题做了测量—治理—复测的完整闭环，而非默认其不存在：
+
+- **最严重记录**：材料域窗口（G77）之前，材料题生成 48% 出现思考未闭合截断（窗内燃料采样期 155/320）。
+- **机制**：奖励合同对终止行为做机械评分——截断、格式错误、运行异常是相互独立的奖励类别；oracle 注入显式教授终止行为。该窗口内截断从 155/320 降至 0/320，单题生成时长从 327 秒降至 74 秒。
+- **治理后审计**（四域收获轨迹）：流体物理 / 材料 / 遗传学 / 运维四域思考未闭合率均为 0%；退化重复 1/952；思考段长度中位数 180–581 字（遗传学最短、流体物理最长）。
+- **边界**：该审计覆盖五域部署口径；开放式（非域）问题尚未做思考枯竭专项探针。
+
+## 训练方法（摘要）
+
+15 个强化窗口（G69–G84），运行于带精确权重/更新契约的冻结 FP8 服务栈：组相对优势 + k=8 采样 + 机械可验证奖励；零起点域的 oracle 注入；冠军检查点的验证蒸馏；冻结域标记；多步组合的子步优势；逐窗 heldout 门与保持保护。单种子单次运行——本卡中的全部能力声明均来自训练未见过的评测集。
+
+## 诚实边界
+
+- 单种子单次训练；方差带未完全表征
+- 散文文风在 T=0.3 采样下稳定，greedy 解码下不稳定
+- 域能力需要标记；无标记行为即基座行为
+- 27B 参数量——通用知识不可与 100B+ 模型相比
+- 合并 FP8 权重相对适配器路径存在重量化噪声（统计见 `MERGE_REPORT.md`）；适配器是精确数值工件
+- 所有得分均为 heldout 集上的单次评估
+
+## 致谢
+
+- **阿里巴巴 Qwen 团队**——感谢 Qwen3.8-27B 这一开放基座模型，以及 Apache-2.0 开放发布使此类衍生研究成为可能。
+- **智谱 AI（Z.ai）**——GLM 5.3 在我们的评估测试组中是最强外部基准，并在发布工程流程中担任工程助手。
+- **月之暗面（Moonshot AI）**——Kimi K3 在长上下文与智能体推理上的公开工作，为我们的意图理解与多步工具使用评测设计提供了参考。
+
+我们感谢这些团队推动开放、可度量的前沿——本次发布希望以同样的精神回馈社区。
+
+## 引用
+
+```bibtex
+@software{labopen_v1,
+  title = {Qwen3.8-27B-LabOpen v1: Six-Domain Reinforcement of Qwen3.8-27B},
+  author = {Hooman AI Lab},
+  year = {2026},
+  url = {https://huggingface.co/HoomanBio/Qwen3.8-27B-LabOpen-v1},
+  base = {Qwen/Qwen3.8-27B-FP8},
+  license = {Apache-2.0}
+}
+```