card: add dflash-32b-draft-v2test-phaseL (phase-2 long-ctx final, job 140680); mark phase-1 as warm-up

README.md

@@ -20,10 +20,18 @@ tags:
 | `opd-32b-v33-s150/` | **32B agentic OPD v2 — v33 / job 135076 / step_150** | 與 `opd-32b-deploy`（step_200）**同一條健康 run** 的較早 checkpoint，可做 s150 vs s200 比較。同 deploy 格式（bf16 / rope-legacy / hybrid-SWA）+ tokenizer + chat template。 |
 | `dflash-7b-draft/` | DFlash draft for 7B target | SGLang 可部署 draft（speculative decoding） |
 | `dflash-32b-draft/` | DFlash draft for **stage1-v2-32b** target (s5317) | SGLang 可部署 draft；對齊舊 32B deploy target |
-| `dflash-32b-draft-v2test/` | **DFlash draft for stage1-v2-32b-softdistill-v2test target** | **新 v2test target 的 draft**，SWA512 / block_size 11 / 8L / GQA-8。**step-10000 快照**＝short-context curriculum warm-up（phase-1）；長 context 特化（phase-2）尚未跑，非 final |
+| `dflash-32b-draft-v2test/` | DFlash draft for stage1-v2-32b-softdistill-v2test — **phase-1 warm-up（非 final）** | curriculum **phase-1 短 context warm-up**（step-10000 快照）。SWA512 / block_size 11 / 8L / GQA-8。**部署請用下方 `dflash-32b-draft-v2test-phaseL`。** |
+| `dflash-32b-draft-v2test-phaseL/` | **DFlash draft for stage1-v2-32b-softdistill-v2test — phase-2 final（部署推薦）** | curriculum **phase-2 長 context 特化**（job 140680，warm-start 自 phase-1）：train data = 真實長 proof 部署分佈（OPD 32B rollouts finish_reason=length filtered + dsflash-v2-test teacher proofs，micro 65536）、GAMMA 20。step_3000 完整收尾，acc 0.605 / greedy mean_prefix_len 4.90。SWA512 / block_size 11 / 8L / GQA-8。⚠️ 尚未做 serving accept-length 實測。 |
 
 DFlash draft 只含 `config.json` + `model.safetensors`（已 reshard 成多 shard），需搭配**對應的** target 模型使用（注意 v2test draft 對應 v2test target，與舊 `dflash-32b-draft` 的 target 不同）。
 
+### DFlash 32B v2test curriculum（phase-1 → phase-2）
+
+v2test target 的 draft 走兩段式 curriculum：
+
+- **phase-1（`dflash-32b-draft-v2test/`）**：短 context warm-up（DATA=l4-g2-ml4096、micro 8192），便宜暖身、acc ~0.64。**非部署用 final，僅 curriculum 暖身快照。**
+- **phase-2（`dflash-32b-draft-v2test-phaseL/`）**：warm-start 自 phase-1，於**真實長 proof 部署分佈**（OPD 32B rollouts + dsflash teacher proofs、micro 65536）長 context 特化。**這顆才是對 OPD/soft-distill 32B target 部署用的 draft。**
+
 ## OPD 32B 版本說明（哪個是哪個）
 
 agentic semi-on-policy OPD 32B（student = stage1-v2-32b-softdistill-v2test、teacher = DeepSeek-V4-Flash）一共訓練過兩次：