ar-mine/deepstack-post-second-timing-handoff-20261021

DeepStack 后置第二路门控实验

这个公开交付包用于复现“E5+C3 已训练完成后，再训练投影＋第二路门控”。源端四张 A100 的 8 步 smoke 已通过并独立审计：作业 25895355，固定 E5+C3 25723372/step17180。接收端 agent 请先读 AGENT_TASK.md，再用 START_HERE.md 的固定 commit、SHA 和完整下载命令部署。

本包提供部署脚本、严格参考张量、源端验收证据和训练入口。公共代码、冻结转换数据与父权重从 dependencies.json 指定的不可变公开版本下载，避免重复上传同一份大文件；接收不需要 NSCC 账号。公共基础包原来的“三路训练任务说明”不适用于本任务，接收端只运行本包覆盖后的 WORK/tools/run.py。

实验设置

项目	固定配置
父模型	E5+C3 25723372，step17180，精确公开 revision 5d14687980321be699cc8d748b25b8195ea80f08
训练参数	三个现有 DeepStack merger 投影及第二路条件门控；其他主干参数冻结
门控和损失	active=[1]，γ 初始为1、范围0–2；恒等正则1e-3，一致性λ=0
数据和监督	原2250/250轨迹划分、64,000固定训练帧及顺序、逐样本noise/time；原图与许可C3双视图各0.5
优化器	AdamW；投影LR1e-5、门控LR1e-4，weight decay0，固定LR
执行	4 GPU，micro1/GA16/global64，eager/joint，FP32 master与BF16训练；原IEEE FP32推理验收
接收端smoke	8步，250帧开发验证，必须通过原首步loss/顺序/梯度/更新/Adam和恒等/冻结范围/保存重载验收
正式尾部训练入口	1000步，从原父权重重新开始；仅在接收端获得明确训练授权后使用

源端 smoke 稳态约23.24秒/步，峰值 allocated26.35GiB/卡；源完整1000步约7小时量级。目标硬件时长需实测。建议4张至少32GiB GPU、256GiB主存和150GiB可用磁盘；源硬件为 A100 40GB。不同GPU或软件可能无法通过逐位对齐，因此源端通过不能替代接收端 smoke。

部署和 smoke

使用 Python3.12.13 和 CUDA12.8 兼容环境。先执行 START_HERE 的下载命令，bootstrap 仅下载和校验，不启动GPU计算。/data可换为大容量工作盘；公共包、共同载荷和工作区使用不同目录。

export PACKAGE=/data/deepstack-post-package
export WORK=/data/deepstack-post
export DEEPSTACK_PYTHON=/data/deepstack-venv/bin/python
# 先创建隔离Python3.12环境，再安装 source-freeze 中的依赖。
cd "$PACKAGE"
bash environment/install.sh
"$DEEPSTACK_PYTHON" tools/test_receiver.py
export CUDA_VISIBLE_DEVICES=0,1,2,3
export PYTHONPATH="$WORK/runtime/training:$WORK/runtime/source:$WORK/runtime/source/scripts:$WORK/runtime/source/third_party/lingbot-vla-v2:$WORK/runtime/source/third_party/utils3d:$WORK/runtime/source/third_party/lingbot-vla-v2/lingbotvla/models/vla/vision_models/MoGe:$WORK/runtime/source/third_party/lingbot-vla-v2/lingbotvla/models/vla/vision_models/lingbot-depth"
"$DEEPSTACK_PYTHON" -m unittest discover -s "$WORK/runtime/training" -p 'test_*.py'
"$DEEPSTACK_PYTHON" "$WORK/tools/preflight.py" --workspace "$WORK" --gpu
"$DEEPSTACK_PYTHON" "$WORK/tools/run.py" smoke --workspace "$WORK"

环境固定 torch2.8.0+cu128、transformers4.57.3、flash-attn2.8.3、LeRobot0.4.2、torchcodec0.6.0；需FFmpeg及CUDA toolkit。environment/source-freeze.txt是观测环境清单，安装脚本和Dockerfile是部署起点，未宣称已在另一台干净机器完整安装验证。

正式训练入口与产物

上传和部署本身不自动启动1000步或更长训练。若接收端用户已明确授权本组1000步训练，且同一环境的smoke通过：

"$DEEPSTACK_PYTHON" "$WORK/tools/run.py" train --workspace "$WORK" --confirm-formal-start

每次使用新输出目录，正式训练始终从固定E5父权重重新开始，不从8步smoke权重接续。formal_launch.json阻止重复正式启动；失败时先核实进程和保留尝试，再处理该意图记录，不得为重复提交清空它。交付完整日志、四rank验收、严格首步guard、250帧验证、checkpoint_001000/complete.json、delta/optimizer及SHA256。此包不启动仿真评估，也不操作其他机器或NSCC作业。

结果解释与发布状态

源端8步只验证工程路径，不能证明闭环收益；父模型已见开发验证轨迹。这个包复现的是后置尾部适配，尚未证明旧E5主训练可直接作为未来前置与后置训练时机公平对照的主训练阶段。完整各17,180＋1,000步对照仍需独立核验和授权。

前置联合训练完整smoke未通过，尚未发布为可训练交付；不能将其零更新诊断的exit0视为通过。后置目标机器的GPU smoke尚未执行，当前也没有两机数值一致的结论。任何数值不对齐都应留证并停止，不能放宽容差或更换种子。

冻结数据、公共父权重和第三方代码保留其各自上游条款与源码LICENSE。资源入口和固定版本见 dependencies.json 及其基础包 resources.json。