WUJUNCHAO/ngrl-checkpoints

NGRL Checkpoints 备份

NGRL 项目（neuron-guided RL post-training，NGFT 范式向 RL/OPD 迁移）训练 checkpoint 的异地备份，自 HPC 集群 /data/icto/yc47493/NGRL/e2_grpo/output/ 上传后本地已清理。base 模型为 Qwen/Qwen3-1.7B-Base，GRPO 臂由 verl fork 的 masked-PPO 训出，SFT 臂由 FSDP SFT trainer 训出；各目录即标准 HF 格式（config + safetensors + tokenizer），可直接 from_pretrained 加载。

目录与实验臂对照（MATH500 Pass@1，greedy 确定性评测）

repo 路径	实验臂	全局步	MATH500	评测口径
d2a_full/global_step_{50..250}	E2 血统 full 臂 0-250 分段	50/100/150/200/250	0.474 / 0.538 / 0.600 / 0.586 / 0.582	h100 统一口径（d2f_eval，base=0.256）
d2e_full/global_step_{50..250}	full 臂续训段（全局 300-500）	300/350/400/450/500	0.604 / 0.590 / 0.588 / 0.590 / 0.598	h100 统一口径（d2e_eval，base=0.258）
d2e_static/global_step_{50..250}	static 掩码臂续训段（全局 300-500）	300/350/400/450/500	0.554 / 0.552 / 0.554 / 0.578 / 0.566	h100 统一口径（d2e_eval）
d2a_static/global_step_250	D2a 静态掩码臂终点	250	0.580	h100 统一口径（d2f_eval）
d2a_roll/global_step_250	D2a 滚动掩码臂终点	250	0.558	h100 统一口径（d2f_eval）
e2_posthoc_d{05,10,20,30}/global_step_100	E2 posthoc 掩码密度扫描臂	100	0.382 / 0.452 / 0.402 / 0.458	l40s 旧口径（e2_eval，base=0.266，full100=0.546）
e2_random_d10/global_step_100	E2 随机掩码对照臂	100	0.322	l40s 旧口径（e2_eval）
d2c_sft_{full,masked,random}/global_step_50	D2c SFT 阳性对照三臂	50	见 output/d2c_eval* 结果	l40s 旧口径

判读要点

• full 臂约 150 步即达 ~0.60 平台，300-500 延伸窗走平（0.59±0.01）：增益在前 150 步兑现完毕，长尾为平台噪声（H1 窗口未收敛解释被压缩）。
• static 延伸窗稳定落后 full 约 2-3pt；滚动掩码 roll 未跑赢 static（0.558 vs 0.580），滚动掩码升级方法贡献不成立。
• l40s 与 h100 两种评测口径同 ckpt 差 ±2.6pt 内（vLLM 跑间噪声），引用曲线必须统一口径，禁止拼接。

相关资产（未含在本 repo）

• 掩码与 schedule：e2_grpo/masks/（posthoc.npz、actstat.npz、d2a_schedule.json、d2a_seg*.npz、密度系列 npz）
• 评测脚本：e2_grpo/scripts/eval_math500.py（math_dapo 判分器，greedy）
• base 模型 Qwen3-1.7B-Base 等为 HF 公开模型，不在备份内。