Views
No views yet
.gitignore 掉的权重类资产（PEFT adapter），文档/代码/证据 JSON 去 GitHub 看。bases/Qwen3-4B-sft-v13-e1/ ★★ SFT merged 底座（RL adapter 的锚；bf16 合并不可
bases/Qwen3-4B-sft-v13r2-e1/ 比特复现——实测重合并 max|Δ|=4.9e-4 > RL 信号 1.3e-5
⇒ 这两份权重是唯一真身，一切配对评测锚于此）
sft/v13 · sft/v13r2 SFT 的 LoRA adapter（出处链存档，非重建配方）
cand_v13r2_e1/step_{25,50,75,100}/ ★ 晋级候选（RL 400 步全绿）：任务分 vs SFT +0.186（t≈16）
峰值在 step 100–200 区间，四档留作过训回落研究
adapters/ 全部实验臂 adapter（GitHub _audit/*.json 评测的证据本体）
e14c_ctrl64 E14 对照臂（sync4/0.1）
e14s_s16_t01 等 E14/R2 陈旧度剂量扫描五臂（结论：杀吞吐的是同步频率非阈值）
e14x_seed2/3 s16/0.1 多种子复核臂（晋级默认的最后手续）
e14x_graphgate CUDA graph 精度闸单变量臂
e17a/b_kl_* KL 开关两臂（结论：砍 KL 省 15.4%、任务分无差异 ⇒ 已默认关）
r1_seqis/tokenis IS 聚合口径两臂
e20f_lr1e4 lr 上限基线| 主题 | 数字 | 出处 |
|---|---|---|
| 候选 vs SFT（343 case 冻结评测配对） | +0.186（t≈16） | E22/candidate |
| 训练吞吐（PrefixGrouper 等 14 处接线） | 端到端 2.31× | E26 |
| 执行层收官（同步频率+CUDA graph+乒乓修理） | 单日同尺子 12.84→9.23 s/gstep（−28%） | E14 |
| 权重同步（LoRA adapter 推送修复） | 载荷 8.4GB→252MiB（33×）· 0.97s | E22 |
| serving 量化曲线（bf16→FP8→FP4 五臂） | fp8 KV：并发 +50%；FP4 权重对 4B 判死 | E19 §8 |
1from transformers import AutoModelForCausalLM
2from peft import PeftModel
3REPO = "SamWang0405/Syncopate-AgenticRL"
4base = AutoModelForCausalLM.from_pretrained(REPO, subfolder="bases/Qwen3-4B-sft-v13r2-e1")
5model = PeftModel.from_pretrained(base, REPO, subfolder="cand_v13r2_e1/step_100")1huggingface-cli download SamWang0405/Syncopate-AgenticRL \
2 --include "bases/Qwen3-4B-sft-v13r2-e1/*" "cand_v13r2_e1/step_100/*" --local-dir ./syncopate
3vllm serve ./syncopate/bases/Qwen3-4B-sft-v13r2-e1 \
4 --enable-lora --lora-modules candidate=./syncopate/cand_v13r2_e1/step_100_audit/ 里的冻结基线与 compare 尺子；
adapter 只在对应底座上有意义（adapter_config.json 里有记录），跨底座贴用数字作废。