---
base_model: lupele/ourmodel
tags: [stateplay, diffusionnft, reinforcement-learning, world-model]
---
# StatePlay 正式 Stage A DiffusionNFT checkpoint

`study_v1` 正式 Stage A 最终状态：**2,280 条件、9,120 候选视频、652 次优化器更新、B-only**。
这是正式训练结果；不是 smoke 或四卡调试模型，不代表 Stage C 已完成。

`world.pt` 是增量训练状态，包含 live/old/ref、optimizer、RNG、训练进度。
它只更新 latent state transition，不是完整 DiT；推理先加载配套 SFT 和 tokenizer，
再叠加 `world.pt['live']`。续训还须恢复优化器等状态，并从数据仓库恢复条件顺序和消费账本。
`world.json` 是公开文件的正确校验 sidecar。

公开副本仅将内嵌 API/本地评分服务地址替换为 `.invalid` 占位地址并重算配置哈希。
所有参数、live/old/ref、优化器、RNG、652 步进度均逐项验证完全一致。
重新序列化使文件 SHA256 与历史原件不同；两者映射见 `PUBLICATION.json`。

旧 A100 转移包固定了原件 SHA256，直接传入公开副本会触发身份校验失败。
请在转移包**复制件**中依据 `PUBLICATION.json` 更新这项身份及包完整性索引；保留校验。
迁移还须映射本机绝对路径，保留算法配置和账本。API 地址与密钥由本机环境单独提供。


代码：[lupele/stateplay-test](https://github.com/lupele/stateplay-test) 的 `rl_posttrain/`。
数据：[StatePlay-Reward-2280](https://huggingface.co/datasets/lupele/StatePlay-Reward-2280)。
配套模型：[SFT](https://huggingface.co/lupele/ourmodel)、[transition tokenizer](https://huggingface.co/lupele/transition_tokenizer.pt)、[Stage A 更新](https://huggingface.co/lupele/rl_model)、[Reward Model](https://huggingface.co/lupele/rewardmodel)。

身份与发布处理见 `PUBLICATION.json`，公开文件 SHA256 见 `SHA256SUMS`。
原始本地文件保持原位且未修改。仓库不包含 API 凭据或真实服务地址。