bifill-dv：DV 的画布、V 端 LoRA 和路径选择器

MiniCPM5-1B 上的 DV：一次前向里，左段因果核对上一遍画布的猜测，右段 32 格双向画布猜后面的词。代码、训练方法和全部结果见 GitHub pmzzs/bifill-dv（私有）的 README。这里只放权重，都是 PyTorch .pt，用那个仓库的 code/evalgen.py 加载。

文件

目录	文件	是什么	加载方式（evalgen.py 的环境变量）
canvas/	dva_res2.pt	主画布：冻结主干上的 CanvasAdapter（每层 7 个秩 256 LoRA + 画布 RMSNorm + MASK embedding + residual context），在原模型的回答上训练	FT_CKPT
canvas/	dva_cd_b2h.pt	res2 在 g_b2h 的 V 自己的 9000 条贪心回答上续训 4500 步	FT_CKPT
canvas/	dva_cd_base2.pt	同上，g_base2 的 V	FT_CKPT
canvas/	dva_cd_light2.pt	同上，g_light2 的 V（8579 条）	FT_CKPT
v_lora/	lora_g_*.pt	V 端（核对 / 写文本那一半）的 LoRA，秩 64，GRPO 训练；画布那一半仍用原权重	VLORA
selector/	sel_*_w8.pt	DFlash 2 式路径选择器（约 120 万参数），从画布每格的 top-16 里挑下一遍的猜测	SEL_CKPT

V 端 LoRA：

文件	训练
lora_g_base.pt	原 V 起，奖励 = 答对 + 0.25 × 速度，20 步
lora_g_heavy.pt	原 V 起，奖励 = 0.25 × 答对 + 速度
lora_g_base2.pt	g_base 之后同样奖励再 20 步
lora_g_b2h.pt	g_base 之后偏速度的奖励再 20 步
lora_g_light.pt	原 V 起，LightningRL 式 GRPO（答对和速度分开归一化、答对的回答上加 NLL、过滤题组）
lora_g_light2.pt	g_base 之后 LightningRL 式 20 步

选择器：sel_orig_w8（原 V）、sel_base2_w8、sel_b2h_w8、sel_light2_w8 都在 res2 画布上训；sel_cdb2h_w8、sel_cdbase2_w8 在对应的新画布上重训（不如在 res2 上训的旧选择器）。

主要结果（GSM8K 全部 1319 题，贪心，AR 67.3%）

组合	核对	每次前向的词数	准确率（和 AR 差）
原 V + dva_res2	无损	4.01	67.1%（−0.2）
lora_g_light2 + dva_res2 + sel_light2_w8	无损	4.43	67.2%（−0.1）
lora_g_light2 + dva_res2 + sel_light2_w8	min-p 0.2（MODES=DVC TAUS=0.2 DV_FILL=0.5 ACC_EXTRA=1）	5.10	67.2%（−0.1）
lora_g_base2 + dva_res2 + sel_base2_w8	无损	5.09	66.2%（−1.1）
lora_g_base2 + dva_res2 + sel_base2_w8	min-p 0.2	5.83	65.1%（−2.2）
lora_g_b2h + dva_cd_b2h + sel_b2h_w8	无损	6.03	63.8%（−3.6）
lora_g_b2h + dva_cd_b2h + sel_b2h_w8	min-p 0.2	7.20	61.1%（−6.2）

例：

VLORA=ckpt/lora_g_light2.pt FT_CKPT=ckpt/dva_res2.pt SEL_CKPT=ckpt/sel_light2_w8.pt \
ACC_EXTRA=1 DV_FILL=0.5 N=1319 BS=64 MODES=DVC TAUS=0.2 python code/evalgen.py