Hugging Face's logo

tchbcb
/
qwenjev

Model card Files
xet
 Community
qwenjev / HANDOVER.md
tchbcb's picture
tchbcb
Upload HANDOVER.md with huggingface_hub
7e455af verified
preview code
|
Raw History Blame Contribute Delete
37.6 kB

QwenJev 交接手册（HANDOVER）

更新：2026-09-24 ｜ 版本 v0.4.16（L3 复合体/0门状态机大发现）｜ 读者：下一个会话的 Agent 或接手的开发者。 目标：任何人凭本文档 + 公开 HF 仓，在 15 分钟内恢复全部工作现场。

0. 一句话现状

v5 = 亲自在线教学（用户指令：主 Agent 逐帧单步当教师，弃用"垃圾模型教师"蒸馏路线）。 架构已闭环落地：ops/teach_server.py（T4 常驻，文件 IPC，内存驻留 env）→ 教师（主 Agent） 通过信封逐帧看画面、逐步发动作 → 轨迹直写 collect_selfplay 兼容 schema（标签=教师动作， 天然 BC）→ ops/v5_daemon.py 每 10min 快照轨迹→重建数据集→续训 40 步→上传 HF（HEAD 验证）。

【现行权威 2026-09-25（续）YZ9UOC7Y 会话（Kaggle T4X2）—— L3 机制地图 v3（相位状态机）】： ① 布局随机化再确认：4 复合体在上（12w 带+3w 柱×9 行，刚性 L 形），5 复合体在下（3w 柱×9+12w 带， 倒 L 形）；中部 a 带（rows 27-29）含 0 晶格行；4 个 b 窗组 = 上下各一 T 形（12w 条+6w 柄）； 右侧 rows 24-32 为小件停放区：4 小块（6w×3 实心）/ a 带拼片（12w×3，505 行）/ 5 小块（6w×3，505 行）； ② 塔相位动作语义：A3=双塔左移 3（首按仅动 4 塔 = 其墙轴段 bbb 溶解解锁），A4=右移 3（=A3 逆）， A1=4 塔下 3+5 塔上 3（行军，身后留 b 模+旧位回 9），A2=逆行军；晶格点（行/列 ≡1 mod3）永久烧 b； 塔带经过窗格时窗显示材料色，离开立即重开 b（无锁定）； ③ 关键达成：4 塔带 9 次左移精确入顶 12w 窗（12-14@9-20，step92）→ 3 次 A1 降落完美填充（晶格 b 全吻合）； 5 塔带左移+上移入底 12w 窗（42-44@9-20）+ A5 清 0 后完美填充（step94）； ④ 5 塔完美入窗后状态机切"小件相位"：A1/A2/A3/A4 = 三小件整体 上/下/左/右 移 3（行槽 [24-26,27-29,30-32] 循环换位，A1 顶槽回卷底槽），塔全部冻结；A3 左移在拼片列相位 ≡48/51 时失效 （停放区疑似有 [48,59] 列墙）； ⑤ 小件相位 A1 变体（step103 实测）：4 塔上移 6 + a 带拼片分裂为 4 板+5 板（各 12w×3）+ 4 小块上移 6 至 rows18-20；A2=精确逆（含板融合复原）；分裂后 4 小块列相位变 51（≡0 mod3， 理论可对齐窗列 12-17，但 A3 随即失效待解）； ⑥ A5=0 搬运泵：row28 晶格门（≡1 mod3 全开过）↔ 5 材料内部 0 洞双向搬运；填充 5 材料内 0（→9/b） 同时开 row28 新门；窗内完美填充要求晶格烧 b 无 0 残留（(43,10) 的 0 曾致底窗不完美）； ⑦ A6=惰性（2 组坐标实测无变化）；A7=撤销上一有效动作（单发；撤销后 A4 no-op，疑似需成功动作再装填）； ⑧ 未解核心：小件如何从 rows24-32 抵达窗行 9-11/45-47（A1 循环不出三行槽；分裂后组件爬升但列相位 锁 48/51 且 A3 失效）；相位切换触发器（5 塔入窗切换已证；切回塔相位的条件未知）； 窗槽配对假设：顶 12w←4 塔带✅ / 顶 6w←4 小块 / 底 12w←5 塔带✅ / 底 6w←5 小块 / 12w 5 板=诱饵； ⑨ 本会话教学 32 步（step74-105）全部入 trace（1183 步），gen12 训练轮 06:28 启动 （日志 tag 误印 gen11@06:28 = 实际 gen12，sed 双引号未命中，产物路径无影响）。

【L3 机制地图 v4 · 2026-09-25 06:5x（YZ9UOC7Y 会话，step 74-134 实测）——四层相位状态机】： ① 动作语义随"焦点层"变化，焦点自动切换，实测四种焦点：塔层（A1=4塔下3+5塔上3 / A2=反 / A3=双塔左3（首按或仅未dock塔）/ A4=右3）、小件层（A1/A2/A3/A4=四小件整体上/下/左/右移3）、 爬升变换（A1=4塔上6+小件上3+a带拼片分裂为4板+5板 / A2=精确逆）、0 泵（A5 恒为 0 搬运）； ② 四窗槽配对定论：顶 12w(12-14@9-20)←4 板或 4 塔带 / 顶 6w(9-11@12-17)←4 小块 / 底 12w(42-44)← 5 塔带或 5 板 / 底 6w(45-47)←5 小块；12w 窗被 12w 板/带填，6w 窗被 6w 小块填（宽度决定）； ③ 单 dock 均已达成过：顶 12w（step92 塔带、step114 塔带）、底 12w（step94/118/121 塔带， A5 清 0 后完美=晶格全 b 无 0 残留）；双 dock 同时被跷跷板阻止：A1/A2 塔层动作者 4塔与5塔反向耦合（band_top 和恒定 48，需 54 才双 dock），和值曾在 step103 爬升（吞 4 小块 18 格）时 -3，未找到 +3 恢复动作； ④ dock 锁定现象：step95-99 底 dock 后塔层冻结 5 动作（A1-A4 全作用于小件）；触发疑与 A5 完成 dock 净化相关，step121 后同构状态未复现锁定，机制未破解； ⑤ 小件列对位达成（step134）：4 小块(15-17)@12-17、4 板(18-20)@9-20、5 板(30-32)@9-20、 5 小块(33-35)@12-17 —— 全部列对齐，纯垂直余量：4 小块上6+4 板上6=顶窗双 dock（2 次 A1）、 5 小块下12=底 6w（4 次 A2）；障碍：4 塔（带 9-11+柱 12-20@9-11）占据顶窗位需先上移 9 （塔层 A2×3），且 A1/A2 小件动作者四件同向（4 件上时 5 件也上）——需 dock 锁定配合或发现 分向动作；底 12w 窗待 5 塔带从 39-41 降 3（A2 塔层）； ⑥ A5 泵细节：0 在 a 晶格行（row25/28 随相位）↔ 5 材料晶格点（柱/带/板/小块 ≡1 mod3 处）间搬运， 一次泵=材料 0 填充+a 行门开启（或反向）；5 塔带入底窗前其 0 行必须洁净（step118 下降中 0 自动 排入柱、step120 A5 主动泵净均有效）； ⑦ A7=单发撤销上一有效动作（step101 复证）；A6=惰性（4 组坐标复证无效）；材料守恒破缺：4 小块 曾被"吸收"（step113）并于 step114 重新出现——存在隐形容器/生成机制； ⑧ 本会话累计教学 61 步（74-134），gen12（1183 步快照）+gen13（1195 步快照）两轮训练完成/进行中， 产物 HEAD 验证 t4_assets_v5/checkpoints/；gen13 日志 tag 正确（gen13@06:44）； ⑨ 下一步建议：塔层 A2×3 上移 4 塔让出顶窗 → 小件层 A1×2 顶窗双 dock → 观察 4 件是否锁定 → A2×4-6 底 6w 对位 → 5 塔带 A2 降 3 回底 12w → 全窗同时覆盖判 WIN。

【L3 机制地图 v5 · 2026-09-25 06:55（YZ9UOC7Y 会话终版，step 74-139 实测）】： ① 小件相位 A1/A2 = 分色定向移动（step135-139 关键发现）：A2=4 色小件上移 3 + 5 色小件下移 3 （相向而行/远离），A1=4 色下移 3 + 5 色上移 3；A3/A4=全体左/右移 3。四小件=4 小块(6w)、 4 板(12w)、5 板(12w)、5 小块(6w)，列对位已全部达成（4 小块/5 小块@12-17，双板@9-20）； ② 底部 T 曾完整合围（step138 Config X）：5 板 dock 底 12w(42-44@9-20，晶格全 b 无 0) + 5 小块 dock 底 6w(45-47@12-17)，同按 4 次 A2 一次性达成；但 A1（4 件下/5 件上）立即解除 （step139），dock 无持久锁定，全窗同时覆盖的跷跷板矛盾未解； ③ 配态分析：Config X（A2 侧）=底部 T 完整 + 顶部差 6（4 板@6-8 需 12-14、4 小块@3-5 需 9-11）； Config Y（A1 侧）=顶部近 3（4 板并带@9-11、4 小块@6-8）+ 底部破 3；两态振荡无净推进， 需要：a) 4 塔先让位（塔层 A2×3 上移 9：带 0-2/柱 3-11）+ b) 底 T dock 锁定触发器，二者未知； ④ 塔带可作窗填充者：4 塔带@9-11 时已覆盖顶 6w 窗（过覆盖 9-11/18-20 列无害）；5 塔带与 5 板 合并（同色重叠不可分）后 row40 0 行重现需 A5 泵净； ⑤ 本会话终局统计：教学 66 步（74-139），gen12/13/14 三轮训练（trace 快照 1183/1195/1217 步）， 数据集 choice 1204 / boolean 1216 / score 1217，全部产物 HEAD 验证 HF t4_assets_v5/checkpoints/； gen14 于 06:54 启动（日志 tag gen14 ✓）； ⑥ 交棒清单：a) 等 gen14 ROUND DONE+HEAD ok；b) 下会话先 t4r/信封拉 obs 恢复局面（当前 step139： 4 塔带+4 板并@9-11、4 小块@6-8、柱@12-20/9-11、5 塔带+5 板并@39-41(0 行未净)、5 小块@42-44、 顶 12w 窗柱盖 9-11 列、底全空）；c) 优先实验：A5 泵净 0 行 → 塔层相位触发器（试 5 塔带对齐 42-44 时按 A5 是否触发锁定的 step94 复现）→ Config X 复位（A2×1 回底 T 完整）→ 4 塔让位路径。

【现行权威 2026-09-24】0S3BN0UN 会话（T4X2, 12h 窗）—— L1/L2 通关配方重放成功 + L3 机制图半解： ① 本会话（游戏版 0c5556536）L1/L2 布局与旧会话不同（初始列位置随机化），但摆钟语法一致： L1 配方（17 步）：A4→A3×6（4 塔 33-41→51-59 对位蓝图）→A2×10（全体+3 下行入槽）→WIN； L2 配方（24 步）：A4×3（墙+9/press 扫过 4 塔触发世界重组）→A5（钻孔）→A2×8 （全体+3 降至蓝图行带）→A5→A3×6（4 脚手架 -6/press 行军拼装镜像 S 模具覆盖蓝图）→WIN； ② L2 语义图：A1=全体↑3/A2=全体↓3/A3=重排·左（5 件 −3，4 脚手架重组）/ A4=重排·右（世界相位 +3，4→5 转换+穿孔）/A5=钻孔机+搬0（pit 在墙轴↔件内 lattice 间搬运， 0 门恒在 rows≡1 mod3 × cols≡1 mod3）/A7=免费 UNDO（撤销上一步，无风险实验钥匙）/A6=惰性； ③ L3 机制图（半解，~40 步实证）：开局对称双塔（4 左 5 右，b 窗=晶格点）；A3 一按重组为 水平墙+5 件套上半场+b 模具下半场；A1/A2=墙升降机（墙停处门区烙 b = 行走蓝图打印机）； A5=铸造扳机（板内 lattice 钻孔 + 模具区材料化 4 柱）；墙=移动浇铸机（身后浇铸 5 板垂直翻转的 4 复制品，随墙移动旧品蒸发）；A2 亦可触发垂直色/形置换； 目标判定：4 复制品精确覆盖 b 模具（同 L1/L2 判据族）。 ④ 部署/训练坑（本会话实录）：seed 块静默失败（中继吞响应+大下载被杀）→ 必须远端文件实证； torchao 0.10.0 不满足 peft 0.19.1（需 ≥0.16）+ 坑 14 变体：exec 同进程 sys.modules 缓存 旧模块，pip 装完 import 仍见旧版 → 用子进程验证；手动训练轮 runner ops/v5_round.py （分离进程，RESULT 逐条落盘 /content/v5_round.log）。

【L3 机制 v2 · 2026-09-24 晚（step 104-140，38 步实测）——复合体/0门状态机】： ① 四复合体结构（比"左右两块"更细）：右5（12宽带+6宽带，正Full=12w上6w下，锁相对位）/ 右4（6宽带+12宽带，倒Full=6w上12w下）/ 左5（柱3w×9行+带12w）/ 左4（带12w+柱3w×9行）； 无门时 A1/A2=右5↑↓3+右4↓↑3，A3/A4=右复合体水平±3（左复合体完全不动）； ② 0 门系统（A5 双向）：A5 开门=墙轴 row34 打 21 个 0（cols≡1 mod3）+ 左复合体透明 9 洞 实体化为 0 洞（139 实测 7 个：柱 3+带 4）；A5 再按=填门+洞还原（双向搬运）； ③ 门开模式：A1/A2=墙↑↓3+左4↑↓6+右4↑↓6（左5/右5 不动）；A3=左复合体左移3（132 实测 一次，后重复按失效——状态机有记忆效应，非纯函数）；A4 同理预期右移（138 实测失效）； ④ 无门+墙离开底位 33-35 时：A1=全局↑3（墙+左5+左4+右4，右5 除外，131 实测）； A2=左5↓3+左4↓3（墙/右4/右5 不动，140 实测）——A1/A2 不对称，状态机更深； ⑤ 过模填充修正：材料覆盖窗=b→4/5 显示，材料离开窗立即重开（无锁定，110/137 双实测） → WIN 需要全部窗同一时刻精确覆盖；晶格点（row≡1 mod3 且 col≡1 mod3）永久保持 b 烙印 （材料覆盖中也显示 b）； ⑥ 窗-材料配对图（推断+部分实测）：右5 6w↔窗12-17@9-11（134 前曾精确对位）、 右5 12w↔窗9-20@12-14（116 曾精确对位）、右4 倒Full↔下窗组倒结构（12w窗9-20@42-44 上+ 6w窗12-17@45-47 下，A1门开×1+A3×1 可双窗）、左5带12w↔顶窗33-44@3-5、左5柱↔33-35@6-8 或 33-35@42-50（9 行精确匹配）、左4带↔9-20@42-44 或 33-44@51-53； ⑦ A1 形状循环（右5）：Full(占6行)→Compact(12w单条,占3行)→Full，周期 3 步位移 9 行 （116-119 实测），6w 在 Compact 相位消失、Full 相位回归——倒 Full（右4 结构）从未在右5 出现，窗组 12-17@9-11+9-20@12-14 需要倒 Full 才能双精确对位 = 未解核心矛盾； ⑧ gen4 训练轮 374+ 步数据集已启动（16:2x，v5_round 前台 exec 模式绕 Popen 沙箱限制）。

历史会话（VIK9H6GV）的塔式电梯地图见 §6 0.5；其 L1/L2 布局与现行版本不同，仅作参考。

v5t 学生代际链（现行）：gen1(181步)→gen2(240步)→gen3(326步)→gen4(347步，loss 近零区+分歧尖峰6.00) 全部 HEAD 验证在链 t4_assets_v5/checkpoints/；gen1/gen3 评测 均 0 关 0 重置（渐进预期）；0S3BN0UN 会话教学累计 354 步（含 L1/L2 两个 WIN 正样本 + L3 深探 63 步），trace 快照 HEAD 200。L3 终局线索：对位停驻填充 （A4 过模填充但非永久）+ 宽带-宽窗列对齐（33-44@39-41 vs 51-53）。

v5t gen-1 已完成并归档：68 步 ar25 教学 → 66 choice/67 boolean/68 score 样本 → 从 v4b 续训（v0.4.13 新补丁：out_dir 已有 qwenjev_s1.pt 则 load_heads 续接）→ 40 步 → 全产物 HEAD 验证在 HF t4_assets_v5/checkpoints/。训练判读：choice loss 前段≈0 （v4b 与教师行为先验一致——坍缩是状态特异的），分歧状态 loss 高达 17+/13+ （这些行才是真教学信号）。bp35 另教 48 步（迷宫导航+全盘元胞自动机，无 levels 突破）。

ar25 机制地图 v3（Task 12 实测定稿，累计 240 步，LEVEL 1/2 已通关 2/8）—— 塔式电梯谜题。 ① 双件：4件（实心9宽带+实心左对齐柱）与 5件（505505505 洞带+右对齐505柱）。 通关判定实证：蓝图（rows45-53：带51-59×3行+柱51-53×6行，45 格实心）与 4 塔 同构——4 塔三段精确入槽 = WIN（lvl+1）；5 塔带单独精确覆盖蓝图带槽无事件 （柱槽必须匹配）；5 塔柱右对齐永不匹配 = 诱饵/配重； ② 动作真语义（L1）：A4=斜行程（5→+3/4←−3，首次触发后附带全体+3 下行一次）； A3=5←3/4→+3；A1/A2=双塔同步升降 3 行（落地 row63 硬止动不扣费）； A7=免费单发扳机（一次后熄火，需其他成功动作再装填）；A6=纯惰性 0 耗； ③ 计数器：col63=付费预算显示（63/循环，耗尽后下一付费动作自动重生新循环， 实际预算无限）；no-op 不扣费；过关返还制胜步费用； ④ 摆钟全高度工作（"4件止步47"证伪）；墙 cols30-32 可穿越（穿越时被裁剪显示）； ⑤ Level 2 新机制：过关后棋盘镜像重生（4侧/5侧左右互换，双塔→四件套： 蘑菇+松散带堆叠）；5 件洞值 0→9（透明）；蓝图 72 格三段（带42-44@9-17 + 柱45-50@9-11 + 带51-53@3-11）= 4 侧堆叠整体 (−18,+24) 平移； A3/A4 语义翻转且步幅×2（A3=4侧−6、A4=4侧+6；双侧解耦 5 侧冻结）； 垂直轴锁定 → A5=钻孔机（溶解墙轴 col31 每 3 行的 0-pit 门 → A2 解锁）； 过关后 4 塔长出 5 型洞（4>5 同化）； ⑥ Level 1 通关配方（可重放 ~17 步）：出生(rows15-23, 4带@33-41) → A2×10 （降 30 行进 rows45-53）→ A3×6（4带 33-41→51-59，extent 监控对位）→ WIN； **Level 2 配方（13 步）**：任意动作触发重生（4侧带27-35+松散带21-29, rows18-29）→ A5 钻轴 → A3×3（−18）→ A2×8（+24）→ 三件入槽 WIN； ⑦ Level 3 = 全新谜题型（未解）：横墙 row48（b-门 33-35）+ 点状轴井 row49 （每 3 格 0-pit）+ 双方尖塔蓝图（rows3-14 / rows42-53，点对称 234 格）+ 四块 5 拼片（3×9 柱@21-29/12-14、12×3 带@27-29/34-45、12×3 带@30-32/12-23、 6×3 带@30-32/47-52，共 ~103 格 < 蓝图 → 疑分段生长）；完整开局存本地 scripts/t4/obs_current.json（step195）；A7 触发重生免费；动作语义未测。

T4 (VIK9H6GV) 已于 Task 12 末死亡（uptime 4.4h，tunnel offline）——损失内存局面 （L3 进行中）与轨迹 step 154-204（两次 WIN 演示）；gen-4 检查点+数据（≤step153） HF 幸存。重连新 T4 时：上传 codepkg → 装依赖（§4 坑 10 cu128 锁）→ put teach_server.py + v5_daemon.py → nohup 拉起 → 按 §0⑥ 配方重放 L1/L2 （30 步，为 v5t 学生产出第一批 WIN 正样本）→ 继续单步教学攻 L3。

v4b 判定（第三次阴性）：real_b loss 0.49 / real_c ECE 0.4469→0.3326， 对照评测 ar25 0关0重置、bp35 0关1重置。复盘对照实验定案：随机基线 ar25 600/150 步双 0 关 + v4b ar25×600 0 关 → 0 关是噪声地板，v3/v4/v4b 的 0 关 不构成模型失效证据。决策树曾触发 System-2 蒸馏方向，被用户否决改为亲自教学。

v4b 产物全 HEAD 验证在 HF t4_assets_v4/：qwenjev_s1.pt（校准头 276MB）、 qwenjev_s1_sft.pt（SFT 头）、qwenjev_s1_v4_calibrated.pt（v4 校准头独立备份）、 adapter_model.pt（LoRA）、dataset_v4.tgz、traces_real3.tgz； 评测报告 eval_report_v4b_ar25_bp35.json 入仓根+HF（HEAD 200）。 v0.4.10 新增：① 堵住头文件上传黑洞（wip_uploader 30 分钟节奏推 qwenjev_s1.pt， real_b 后正式上传 qwenjev_s1_sft.pt 276MB）——上次 T4 死亡真正丢的就是头； ② 新镜像环境坑（坑 10）：必须锁回 torch cu128 栈；③ watchdog 检查点改为 env 驱动。

v4 恢复过程中的新发现：HF 上 v4 只有 LoRA（adapter_model.pt 69.8MB），决策头 （qwenjev_s1.pt）从未上过 HF → real_c 的 load_heads 硬依赖它 → 恢复脚本 直进 real_c 的方案不成立 → 改为 real_b 重跑重建头（max_steps 110 避开 s165 OOM 墙， LoRA 从 s160 恢复）。头重建 loss 20+→0.68-5.9 震荡区间（fresh 头 + 收敛 LoRA 的 再适应，末值 2.08）；ECE 0.3589→0.227 优于 v3（0.4151→0.2727）。

v3 历史结论保留：real_b(SFT) 收敛止损 + real_c(RLCD) ECE 0.4151→0.2727， 对照评测 ar25+bp35 各 150 步 0 关 0 胜；产物在 HF t4_assets_v3/checkpoints/。 v0.4.8 铁律：权重一律 .pt 入仓 + HEAD 验证（HF 静默剔除 .safetensors/.bin，坑 9）。

v4 对照评测（2026-09-24，阴性）：ar25 0 关 0 重置、bp35 0 关 0 重置 （v3 bp35 有 2 重置，v4 行为又变但仍未触过关通路），best_level_sum=0。 解读：架构修复在表征层已验证（loss/ECE 全改善），但 150 步短窗内未转化为过关—— 下一变量是驱动源（ε0.45 数据已采完 400 集并 HEAD 验证在 HF t4_assets_v4/data/traces_real3.tgz 88.5MB），v4b = dataset_final + traces_real3 重训（进行中，见 §6）。System-2 教师蒸馏仍排 v5（GPU 冲突未解）。

新 T4 恢复（一键，若本机又死）：标准 bootstrap 装好代码+依赖后：

cd /content/qwenjev && QWENJEV_OUT=qwenjev-s1-hf-v4 QWENJEV_ASSETS=t4_assets_v4 \
    nohup python3 -u -B scripts/v4_recover_bootstrap.py > /content/v4_recover.log 2>&1 &

自动：抽 dataset_final.tgz → 拉 v4 权重到 stage_a_lora/hf_lora → 盖 prep/data 章 → real_b 重跑重建头（max_steps 110）→ real_c → ALL_DONE → 对照评测。 ⚠️ 依赖必须锁 cu128 栈（见 §4 坑 10），否则 transformers 导入即炸。

0.4 RCA 实录（v0.4.9，复现工具已入仓）

探针 读数 结论
processor batch pixel_values (512,1536)+128 vision tokens 图像确实进 forward，排除漏传 bug
视觉塔输出（图像 token 位）帧 A vs B per-token cos 0.604 塔活着，帧区分度强
last-position 帧 A vs B cos 0.991（真游戏 0.9999） 帧内容信号在读出点死亡
last-pos 有图 vs 无图 cos 0.741 只编码“有图”，不编码内容
真游戏 30 步动作分布 ACTION3 占 70%，仅 3 种动作 候选分布坍缩
候选文本敏感性 cos(A1,A6) 0.9995 候选区分也近乎失效

工具：ops/diagnose_v3.py（逐步 JSONL+探针）、scripts/proc_probe.py、 scripts/vision_probe2.py。修复机制：hf_compat.pooled_last_and_vision()； 新配置键 system1.pool_vision: true；evaluate_local.build_s1 从检查点自动探测 （v3 无标志=旧池化，v4 有=true=2H）。

历史：第一轮 v3 在 real_b 中途（step ~58/180）被超时打断后，v0.4.6 建立防丢失铁律； v0.4.7 加入 GPU 硬门控（12.5GiB 预判跳行，旧 T4 step-58/152 两次 OOM 死亡根因）。 QwenJev（Qwen3-VL-2B 多模态改造的 ARC-AGI-3 双系统智能体）三阶段训练管线完整入仓； 2026-09-23 关键结论：v2（仅 mock 训练）× 真游戏 zero-shot 泛化失败 （2 局 300 步 0 关 0 胜，见 §3），v3 用真游戏数据训练接力，编排器 stamp 幂等。

0.5 防丢失铁律（v0.4.6，因真实事故写入）

任何产物创建后数分钟内必须落 HF——Colab 超时和本地沙盒重置都真实发生过，唯一持久存储是 HF 仓。已内置的自动保险：

  1. SFT 训练中：train_system1.py 每 save_every_steps: 20 步（≈13 分钟）写 WIP （heads + LoRA + stage_b_meta.json）；编排器 wip_uploader 线程每 10 分钟把变化的 WIP 推到 HF t4_assets_v3/checkpoints/hf_lora_wip/。最坏损失 = ~13 分钟训练。
  2. 断点续训：real_b 启动时若本地无 hf_lora 但 HF 有 hf_lora_wip → 自动拉取并覆盖 stage_a_lora 作为起点（接着练，不从 v2 重来）。
  3. 合并数据集：data 阶段合并完 dataset_final 立即 tgz 推 HF t4_assets_v3/data/dataset_final.tgz。
  4. 远端轨迹：remote_chain.py 检测到采集完成 → 先后台 tgz+推 t4_assets_v3/data/traces_real2.tgz，再拉起编排器。
  5. **所有 autosave 走 upload_soft**：失败只告警不炸流水线；正式产物仍走三次重试的 upload。

1. 资产位置（哪些是持久的，哪些是临时的）

资产 位置 持久性
代码仓 v0.4.3 https://huggingface.co/tchbcb/qwenjev （公开，155+ 文件） 持久
v2 终模型 同仓 t4_assets_v2/checkpoints/qwenjev_s1.pt（323.8MB）+ hf_lora/ 分片（sha256 cae4663a…） 持久
CUDA 编译资产 同仓 t4_assets*/ 下 NVRTC 内核 tar + compile_cache_note 持久
训练蓝图 同仓 train.md（v0.4.3，14 章） 持久
本地 git 仓 /home/z/my-project/qwenjev（沙盒重置会丢，从 HF 恢复） 半持久
远端 Colab 现场 /content/qwenjev（代码）+ /content/hf_cache（基座缓存） 临时，实例销毁即失效
信封隧道 https://aitun.cc/ZMPBD8M2（远端 Colab 的 Flask 执行器） 临时，每次重启换隧道码

2. 一键恢复（新机器 / 新会话） 

# 1) 拉代码（任一方式）
git clone https://huggingface.co/tchbcb/qwenjev   # 或 snapshot_download
cd qwenjev
# 2) 装依赖（GPU 机器）
pip install torch==2.11.0 transformers==5.16.1 peft==0.20.0 accelerate==1.14.0
pip install arc-agi "torchao>0.16"                # 游戏引擎 + 必须 >0.16（见 §4 坑 1）
# 3) 评测（检查点/基座自动从 HF 拉，无需 token，公开仓匿名可读）
python ops/run_eval.py --games all25 --backend hf --max-actions 150 \
    --out eval_report_public25.json
# 无 GPU 的机器：--backend tiny（仅 harness 验证，不能代表 v2 水平，见 §4 坑 3）

远端 Colab 执行器（若用户提供了新隧道码 XXXX）：

export T4_URL=https://aitun.cc/XXXX
python qwenjev/ops/t4exec.py status            # 健康检查
python qwenjev/ops/t4exec.py runfile <本地.py>  # 执行本地脚本（内含 put 逻辑可传文件）

3. 评测基线（v2 终模型 × 公开游戏，T4 实测）

  • 配置：--backend hf（fp16 基座 + LoRA merge）--max-actions 150（GAME_OVER 自动重置续玩，同预算公平）
  • 速度锚点：真模型 ~0.25 步/秒（大网格）；启发式兜底 200+ 步/秒（见 §4 坑 1 健康判据）
  • zero-shot 基线（2026-09-23 T4 实测，用户拍板提前叫停）： ar25：150 步/0 关/609s；bp35：150 步/0 关/608s —— 2/25 局、0 胜、best_level_sum=0； mock→真游戏迁移无游戏能力，符合预期（v2 只见过 mock 推箱）。 完整报告远端 /content/eval_v2_2games_final.json，仓根留档 eval_report_public25_v2_partial.json。 这把失败尺子正是 v3 的对照：同命令重评，best_level_sum 升即真数据训练有效。
  • v3 真游戏训练（2026-09-23 已完成，对照阴性）： ① 数据：本地+远端各采一批 → 167,635 样本（dataset_final.tgz 在 HF）； ② 训练：real_b SFT 有效 ~276 步收敛止损（loss 0.26-0.30；64×64 长格 OOM 硬门控 跳行）+ real_c RLCD 120 步（ECE 0.4151→0.2727）；产物在 HF t4_assets_v3/checkpoints/（qwenjev_s1.pt 254MB + adapter_model.pt 69.8MB）； ③ 对照评测（同尺子：ar25+bp35×150 步×hf 后端）：ar25 0 关 0 重置、bp35 0 关 2 重置 —— best_level_sum=0，与 v2 zero-shot 基线（0 关）持平，v3 无泛化增益。 唯一行为差异：bp35 出现 2 次 RESET（基线 0 次），说明策略有变化但未触及过关通路； ④ 下轮配方见 §6。
  • v4 视觉读出修复版（2026-09-24 恢复重训，对照阴性）： ① 数据：同 v3（dataset_final 158,290 行）; ② 训练：real_b 头重建 110 步（loss 20+→0.68-5.9 震荡，末值 2.08）+ real_c RLCD（ECE 0.3589→0.227，优于 v3）；产物在 HF t4_assets_v4/checkpoints/（qwenjev_s1.pt 276MB 校准版 + qwenjev_s1_sft.pt 276MB SFT 头 + adapter_model.pt 69.8MB，全部 HEAD 验证）； ③ 对照评测（同尺子）：ar25 0 关 0 重置、bp35 0 关 0 重置 —— best_level_sum=0。 行为差异再变（bp35 重置 2→0），仍未触过关通路； ④ 结论：架构读出修复改善表征健康度（loss/ECE），但不足以过关 → 下一变量 = 驱动源数据（ε0.45×400 集 traces_real3 已在 HF），v4b 重训进行中。

4. 已知坑清单（按踩中概率排序）

  1. torchao 必须 >0.16（v0.4.3 实测坑）：transformers 5.16.1 加载 Qwen3-VL 时校验 torchao， 0.10.0 会让 build_s1 抛异常 → run_eval 静默回退启发式策略跑完全程（不报错！健康判据： steps_per_s > 100 必是启发式）。修复：pip install -U torchao（0.18.0 验证通过）。
  2. 信封协议两规则（ops/t4exec.py 已内置，改代码前必读）： ① payload 必须单行 b64url（76 字符换行是文档写法，现中继会弄坏多行 payload → CRC mismatch）； ② CRC = crc32(解码后的原始代码字节)，不是对 b64 文本算（print(123, 456) → c03b37d5 实证）。
  3. CPU 评测可行性矩阵（2 核 / 3.9GB 容器实测）： tiny 后端 + v0.2.0 头（128 维）✅ 完整可跑（25/25）；hf 后端需 ≥8GB 内存（fp16 基座 4.4GB + 三头 254MB fp32）❌ 本容器不可行；bitsandbytes 4bit 仅 CUDA，CPU 无替代。 且 v2 头是 2048 维，tiny 骨干 128 维 —— tiny 后端不能加载 v2 检查点（维度不匹配）。
  4. kagglehub 竞赛下载需认证：competition_download('arc-prize-2026-arc-agi-3') 实测抛 UnauthenticatedError（需 KGAT token + 官网接受规则）。评测链路已不依赖它： arc-agi 包匿名 key 自动下发（2026-09-23 实测 25 环境全部拉取成功，~3MB）。
  5. HF xet 吞 safetensors：直接上传大 .safetensors 会坏 → 用 nonce 前缀 + 4 分片 .pt + manifest.json(sha256) + reassemble 方案（run_eval.py 的 ensure_adapter_safetensors 自动重组校验）。
  6. 本沙盒后台进程会被收割：本地容器里 nohup/setsid 活不过工具调用结束，长任务必须前台分块 （每块 <9 分钟）；远端 Colab 无此问题（nohup 可跑数小时）。
  7. 远端 exec 作用域陷阱：信封执行的脚本里，自定义函数内部访问不到顶层 import 的模块 （exec globals/locals 分离）→ 远端脚本一律写线性代码，不定义函数。
  8. 隧道码每次重启轮换：旧隧道码会超时，用 t4exec.py status 先验活；换码只需 export T4_URL=https://aitun.cc/<新码>。
  9. HF 静默剔除 .safetensors/.bin（v0.4.8 事故实录，最重要）：upload_file 报成功、 commit 落地，但文件本体被服务端剥离 → resolve 时 404。实证：同一 30MB 随机字节， 存 .pt → HEAD OK；存 .bin/.safetensors → 404（96B 小文件同样死，xet 开关无关， 推断为权重类扩展被强制 LFS 而本仓 LFS 对象通道损坏）。**铁律：① 权重一律以 .pt 入仓（upload/upload_soft 内置 hf_safe_name 映射 + verify_remote HEAD 校验）； ② run_eval 的 ensure_adapter_safetensors 已支持 adapter_model.pt 单文件形态； ③ 任何上传后必须 HEAD 验证，成功日志必须含 'HEAD ok'**。v3 权重救援实录： safetensors 全丢 → 从 T4 磁盘 rename .pt 重传，69.8MB+254MB 均 HEAD 校验通过。 疑难排查工具：scripts/xet_experiment{,2,3}.py（三轮对照实验，可复现）。
  10. 新 Colab 镜像 cu130 栈（v0.4.10 事故实录，2026-09-24）：新镜像预装 torch 2.11.0+cu130 + torchvision/torchaudio/torchcodec 全 cu13，直接跑 real_b 会在 transformers 导入链上炸：torchaudio 的 _check_cuda_version() 抛 "PyTorch has CUDA 12.8 whereas TorchAudio has CUDA version 13.0" → ModuleNotFoundError: Could not import module 'AutoProcessor'（误导性报错！真因 在 audio 包版本自检）。另有 cu13 NVRTC builtins 探测失败风险（libnvrtc-builtins .so.13.0 dlopen 不到）。修复（已验证）：锁定老 T4 验证组合 pip install torch==2.11.0+cu128 torchvision==0.26.0+cu128 --index-url https://download.pytorch.org/whl/cu128 + pip uninstall torchao torchaudio torchcodec + pip install bitsandbytes==0.50.2 peft==0.20.0 transformers==5.16.1。 ⚠️ pip 大包走信封前台会 504（中继超时但服务端继续跑完）→ 用后台 nohup+轮询日志； 测试 LD_LIBRARY_PATH 修 NVRTC 时绝不能替换整条路径（会丢驱动 libcuda）， 且 cu13/lib 混有 libcuda stub。
  11. exec 沙箱内 os.symlink 被禁（"Creating symbolic links is not allowed."）→ 修库文件用 shutil.copyfile 复制，不能用符号链接。
  12. nohup 子进程挂在 /execute 会话下会占住执行通道（Task 8/10 实录）：POST /execute 返回空响应但服务端实际已执行（GET /health /status 不受影响， /status recent_history 可核实）；轮询至子进程退出后通道恢复。
  13. exec 同进程 sys.modules 缓存旧模块（Task 10 实录）：重传模块后再 import 仍拿旧版 → 内联执行绕过，或重启 colab_server。
  14. colab_server exec 共享作用域污染探针（Task 12 误判实录）：exec_globals/ locals 跨调用共享，远程探针里的函数/comprehension 会读到陈旧全局变量 （曾误判"机构重置+计数器重置"，实为污染数据）→ 几何分析必须拉 obs 到 本地算，或远程代码严格去函数化、每个变量现算。
  15. 中继 502 风暴（Task 12 实录，坑 12 变体升级）：/execute 间歇 502 （成功一次→502 一次节奏），GET 不受影响 → 用 scripts/t4/t4r.py（重试 包装 run/get，指数退避）骑波动；写 cmd 前先读 obs 确认上步已生效，防盲发。

5. 训练现场恢复（若要继续训练/放大）

  • 蓝图：train.md §5（两阶段配方 + 显存预算）+ §11（T4 实录：smoke 391 行流水线、scale 246 行）；
  • 真游戏训练接力（2026-09-23 启动，三步链式 /content/real_pipeline.py）： ① python -m data.collect_selfplay --config configs/collect_real.yaml（25 游戏启发式+ε 采集，已完成 8863 步 → data/traces_real/）； ② python -m data.build_dataset --in data/traces_real --out data/dataset_real； ③ Stage B 重训 configs/train_real.yaml（4bit 基座 + LoRA r16 + 三头，120 步 ≈ 76 分钟，产物 checkpoints/qwenjev-s1-hf-real/）； 查看进度：grep -v 'it/s' /content/real_pipeline.log | tail；接力中断就从断的那一步单跑；
  • 真游戏训练 OOM 根因链（v0.4.3 排障实录，重要）： ① transformers 5.16 要求 torchao>0.16（§4 坑 1）； ② hf 分支 prompt 不截断，64×64 state（~4k 字符）→ 4k token 序列 → SDPA 爆显存 （clip_state_text 已修：meta 行 + '*' 变化行优先 + 均匀采样到预算，完整画面交给视觉塔）； ③ from_pretrained 默认 eval 模式，gradient checkpointing 仅在 self.training 时生效—— 训练循环不调 model.train_mode(True) 时 64×64 行反向持 ~10GiB 全激活（step 1-24 靠运气， 实测 step25 必爆）。修复：optim 构造后 model.train_mode(True)。修复后 4.9GiB 恒定跑通 120 步； ④ 兜底三件套：行级 OOM 容错（empty_cache+跳过）、非有限 loss 行跳过、clip_grad_norm_(1.0)；
  • 训完后重评对照：python ops/run_eval.py --games ar25 bp35 ls20 ft09 --max-actions 60 --checkpoint checkpoints/qwenjev-s1-hf-real --backend hf；
  • CUDA 编译资产已在仓，T4 实例重启后解压到 /root/.cache/torch/kernels/ 可跳过 NVRTC 重编译 （见仓内 compile_cache_note.json）；
  • 断点续训：resume_adapters() 已修（commit dda44ec），Stage B/C 可从 checkpoints/ 续。

6. 下一步（按优先级）

  1. 【进行中 2026-09-24 傍晚】0S3BN0UN 会话（T4X2 Kaggle 2×T4, 12h 窗口）增量：
    • L1/L2 通关配方重放成功（见 §0 现行权威块），trace 已含两关 WIN 正样本 （291 步快照 HEAD 200；教学继续至 350+ 步）。
    • gen3 训练轮：326 步数据集（choice 320/bool 325/score 326）训练中 （torchao==0.18.0 修复后）。完成判据：/content/v5_round.log 出现 ROUND DONE
      • HEAD ok 两行。后续每 ~40 新教学步跑一轮 v5_round.py。
    • L3 攻坚中（机制图半解见 §0③）：当前形态=两座复合塔+b 模具； 待试：墙降到模具行触发浇铸入位 / A5×N 连续铸造 / 复合塔 marching 对齐 12-14 列系。
    • 待办队列：gen3 完成验证→gen3 评测（ar25@150 对照 v4b 0关0重置）→继续 L3 →bp35@150 随机基线补跑（ops/random_baseline_runfile.py 改 [('bp35',150)]）。
    • 新工具：ops/v5_round.py（手动训练轮，daemon 冻结时的可靠替代）； 部署脚本已改 gen2 种子（t4_assets_v5）+trace 先恢复后播种（防覆盖）。

0.5. 【历史】VIK9H6GV 会话产出 gen-1/2/3/4 代际（HEAD 200）： teach_server + daemon 架构见 §0；VIK9H6GV 会话产出 gen-1/2/3/4 代际 （HEAD 200）。教学工具链（本地 scripts/t4/）：teach_step.sh（单信封 单步：写 cmd→睡→取 obs→渲染）、watch.sh（紧凑几何摘要）、t4r.py（重试 包装，骑 502 风波）、render_obs.py、fsm_analysis.py / journey.py（轨迹 离线状态机重建）。新会话开局三步：① t4r.py get obs 本地渲染恢复局面； ② pgrep 确认 teach_server/v5_daemon/errwatch 在位；③ 按配方续教。

  1. ar25 L1/L2 重放 + L3 攻坚（机制地图 v3 见 §0）：新 T4 后先按 §0⑥ 配方重放两关（~30 步，教学轨迹含 WIN 正样本 → daemon 自动产 gen-5+， 学生首次见到正标签）；L3 多拼片谜题语义探测顺序：A3/A4（谁动/方向/步幅） → A1/A2（垂直是否需先钻孔）→ A5（横墙门 33-35 + 轴井 row49 的钻法）。 铁律：每步拉 obs 本地算几何（坑 14），不确定不盲发。 顺手补跑：随机基线 bp35@150（ops/random_baseline_runfile.py 改回 [('bp35', 150)] 即可）；bp35 的 A6 需要 (x,y) 坐标（KeyError 'x' 实证）待探。
  2. Kaggle 提交实战：scripts/package_kaggle.py 打包（禁网环境，权重走 Kaggle Dataset），先 --games all25 本地验证再花 Commit 配额（train.md §7）。 注：v4b 600 步评测 1.02 步/s vs 150 步尺子 0.24 步/s——长评测比预估快 4 倍， Kaggle 预算内全 25 游戏扫一遍是可行的。
  3. RHAE 对齐：官方按关卡 min(人类步数/智能体步数,1)² 加权，本地拿不到人类 基线，提交后用 LB 反馈校准本地报告的横向可比性。

7. 凭据与安全

  • HF 写 token：仅通过环境变量 HF_TOKEN 传入（push_hf.py 自动读 env / ~/.secrets/hf_token）； 任何在聊天/截图里明文出现过的 token，用完建议立刻在 HF 设置里轮换；
  • 仓内不含任何 token（.gitignore + push_hf.py ignore_patterns 双保险）；
  • Kaggle KGAT：尚未配置（评测不需要；仅离线竞赛数据包下载需要，见 §4 坑 4）。