# RL与论文：2026-09-28续接状态

更新到15:32（Asia/Shanghai）。详实总交接继续使用 `rl/研究情况/20260927交接.md`；训练最新监控约15:28，补验16因父容器 exit137 中止；GPU/容量快照仍以 `results/runtime_progress_20260928_0842.json` 为最近完整采样。以下历史时点不代表当前状态。

**2026-10-01汇总更正：** `common_profile_runtime_coverage_final_20260930.json` 已按23个保留cohort重算：500题/1000控制，raw 995，strict 862，report-binary 887，未决113，部分观测20，参考/环境差异5。原文件中的999/779/798/101/18为聚合错误，已由提交 `fdd83033` 修正；这些是环境验证覆盖数字，不是模型效果。

## 15:32当前状态

- **O42-retry1在第34次调用后随父容器外部终止。** 质量观察器最后看到34/80，训练父 `skyrl-rl` 曾 exit137、Docker `OOMKilled=false`；driver控制读取进入 review。step20与step30 HF导出/参数审计已完成；step30为427张量、329个变化张量、823171568个变化元素、无非有限值。`skyrl-rl` 后来被外部重新启动，但没有形成O42恢复证据，不把容器重启当自动恢复，也不把存储变化写成效果。收据 `results/O42_retry1_external_termination_20260928.json`、`O42_retry1_step30_parameter_audit_20260928.json`。
- **补验02已经结束。** 07:39:18完成24题/48控制，07:45确认worker和48精确项目退出。原报告48符合预期，严格完整且符合预期40，二元42（含2个部分观测0），6个empty未决：Django10999/11099/11141/11206/11265/11451。新未决尚未逐例独立归因。`results/common_validation02_completed_20260928.json`。
- **共同版本累计495题/990控制。** raw预期985、严格完整且预期相符816、报告二元835、未决103；其中包含五个参考/环境差异，余5题尚无本版本完整结果。`results/common_profile_runtime_coverage_v17_20260930.json`；旧版本保持。
- **补验03已完成。** 08:57:19 worker进入 `complete_requires_review`，48/48原始环境控制符合预期；严格固定观测39/48，报告二元39/48，9个Django empty因缺少完整FAIL_TO_PASS观测保持未决。48个精确项目/网络已清理确认。摘要 `results/common_validation03_completed_20260928.json`；这批没有模型调用，也不改变正式准入。
- **补验04已完成。** 09:29:07 worker进入 `complete_requires_review`，48/48原始环境控制符合预期；严格固定观测33/48，报告二元36/48，12个empty未决、3个部分观测0。48个精确项目/网络已清理确认。摘要 `results/common_validation04_completed_20260928.json`；这批没有模型调用，也不改变正式准入。
- **补验05已完成。** 09:55:07 worker进入 `complete_requires_review`，48/48原始环境控制符合预期；严格固定观测35/48，报告二元38/48，10个empty未决、3个部分观测0。48个精确项目/网络已清理确认。摘要 `results/common_validation05_completed_20260928.json`；这批没有模型调用，也不改变正式准入。
- **补验06已完成。** 10:20:03 worker进入 `complete_requires_review`，48/48原始环境控制符合预期；严格固定观测36/48，报告二元39/48，9个empty未决、3个部分观测0。48个精确项目/网络已清理确认。摘要 `results/common_validation06_completed_20260928.json`；这批没有模型调用，也不改变正式准入。
- **补验07已完成。** 10:45:55 worker进入 `complete_requires_review`，48/48原始环境控制符合预期；严格固定观测38/48，报告二元40/48，8个empty未决、2个部分观测0。48个精确项目/网络已清理确认。摘要 `results/common_validation07_completed_20260928.json`；这批没有模型调用，也不改变正式准入。
- **补验09已于11:20:08启动。** 从剩余221题按字典序取24题，48控制，0GPU/2并发/单trial1800s/监督7200s，无自动重启或接续；预检通过368源码/profile、24镜像和补验08/保存补丁fixture退出检查。11:20确认worker PID2232596/owned、网络32。目录 `fixtures/eval500-common-validation09-20260928/`，tmux `rl-cpu-common-validation09-20260928`，收据 `results/common_validation09_launch_20260928.json`。
- **补验08已完成。** 11:12:01 worker进入 `complete_requires_review`，48/48原始环境控制符合预期；严格固定观测37/48，报告二元39/48，9个empty未决、2个部分观测0。48个精确项目/网络已清理确认。摘要 `results/common_validation08_completed_20260928.json`；这批没有模型调用，也不改变正式准入。
- **补验09已完成。** 11:37:10 worker进入 `complete_requires_review`，48/48原始环境控制符合预期；严格固定观测38/48，报告二元38/48，10个empty未决、无部分观测0。48个精确项目/网络已清理确认。摘要 `results/common_validation09_completed_20260928.json`；这批没有模型调用，也不改变正式准入。
- **补验10已完成。** 12:05:24 worker进入 `complete_requires_review`，48/48原始环境控制符合预期；严格固定观测38/48，报告二元40/48，8个empty未决、2个部分观测0。48个精确项目/网络已清理确认。摘要 `results/common_validation10_completed_20260928.json`；这批没有模型调用，也不改变正式准入。
- **补验11已完成。** 12:37:58 worker进入 `complete_requires_review`；原始环境控制47/48符合预期，Django7530 empty为原生1而冻结预期0，保留为参考差异；严格固定观测42/48，报告二元44/48，4个未决、1个部分观测0。48个精确项目/网络已清理确认。摘要 `results/common_validation11_completed_20260928.json`；这批没有模型调用，也不改变正式准入。
- **补验12已完成。** 13:33:38 worker进入 `complete_requires_review`；原始/严格控制47/48符合预期，Requests1724 empty为原生1而冻结预期0，保留为参考差异；报告二元48/48，未决0。48个精确项目/网络已清理确认。摘要 `results/common_validation12_completed_20260928.json`；这批没有模型调用，也不改变正式准入。
- **补验13已完成。** 14:29:31 worker进入 `complete_requires_review`；原始/严格控制46/48符合预期，Requests1921 gold和Requests2317 gold原始reward0而冻结预期1，两个失败保留；报告二元48/48，未决0。48个精确项目/网络已清理确认。摘要 `results/common_validation13_completed_20260928.json`；这批没有模型调用，也不改变正式准入。
- **补验14已完成。** 14:53:16 worker进入 `complete_requires_review`；原始控制48/48符合预期，严格固定观测45/48，报告二元45/48，3个未决。48个精确项目/网络已清理确认。摘要 `results/common_validation14_completed_20260928.json`；这批没有模型调用，也不改变正式准入。
- **补验15已完成。** 15:15:47 worker进入 `complete_requires_review`，原始、严格观测和报告二元均48/48符合预期。48个精确项目/网络已清理确认。摘要 `results/common_validation15_completed_20260928.json`；这批没有模型调用，也不改变正式准入。
- **补验16已中止，未计入共同覆盖。** 父 `skyrl-rl` 容器 exit137，Docker `OOMKilled=false`，原因归类为外部/宿主侧终止未决；仅2条记录生成，未形成可审核批次，未自动重启。其两个残留 scikit-learn 容器和网络已按精确项目清理。收据 `results/common_validation16_aborted_20260928.json`；不要将这批补为0或写入覆盖。
- **补验16重试尚未启动。** 预检阶段发现 gpu23 的 `skyrl-rl` 父容器仍未运行，无法完成既有批次 inspect；没有创建新记录、没有占用GPU。收据 `results/common_validation16_retry_blocked_20260928.json`。
- **补验16 retry1已于09-30完成。** 独立CPU retry完成48控制，原始48/48、严格46/48、报告47/48，1个未决、1个部分观测0；原中止批次已完成的14496仍排除，不把原中止槽位记0。累计共同覆盖更新至471题/942控制，余29题。摘要 `results/common_validation16_retry1_completed_20260930.json`、`common_profile_runtime_coverage_v16_20260930.json`。
- **补验17已完成。** 原始控制48/48，严格固定观测45/48，报告二元45/48，3个未决；共同覆盖更新至495题/990控制，剩余5题。摘要 `results/common_validation17_completed_20260930.json`、`common_profile_runtime_coverage_v17_20260930.json`。
- **补验18已完成。** 最后5题/10控制原始10/10、严格8/10、报告二元8/10，2个未决；共同环境500题全部已执行，最终汇总 `results/common_profile_runtime_coverage_final_20260930.json`。未决、部分观测和5个参考/环境差异仍保留，不等于500题模型成绩。
- **补验16 retry1 已于09-30 13:46启动。** 这是独立 CPU-only retry：排除原批次已完成的 `scikit-learn-14496` 两个控制，保留原中止证据并补入下一个固定任务；24题/48控制、0GPU、无自动续批。收据 `results/common_validation16_retry1_launch_20260930.json`。不计入共同覆盖，直到完整审核完成。
- **09-29恢复preflight的GPU拒绝已归属外部服务。** gpu23八张卡由root账号的VLLM DeepSeek worker占用（每卡约75GB，已运行约8.5小时），不是O42或本批补验；不停止、不归因于本实验。
- **补验11已于12:13:25启动。** 从剩余173题按字典序取24题，48控制，0GPU/2并发/单trial1800s/监督7200s，无自动重启或接续；预检通过368源码/profile、24镜像和补验10/保存补丁fixture退出检查。12:13确认worker PID2519744/owned、网络32。目录 `fixtures/eval500-common-validation11-20260928/`，tmux `rl-cpu-common-validation11-20260928`，收据 `results/common_validation11_launch_20260928.json`。
- **补验10已于11:47:22启动。** 从剩余197题按字典序取24题，48控制，0GPU/2并发/单trial1800s/监督7200s，无自动重启或接续；预检通过368源码/profile、24镜像和补验09/保存补丁fixture退出检查。11:47确认worker PID2376115/owned、网络32。目录 `fixtures/eval500-common-validation10-20260928/`，tmux `rl-cpu-common-validation10-20260928`，收据 `results/common_validation10_launch_20260928.json`。
- **补验08已于10:53:59启动。** 从剩余245题按字典序取24题，48控制，0GPU/2并发/单trial1800s/监督7200s，无自动重启或接续；预检通过368源码/profile、24镜像和补验07/保存补丁fixture退出检查。10:54确认worker PID2089212/owned、网络32。目录 `fixtures/eval500-common-validation08-20260928/`，tmux `rl-cpu-common-validation08-20260928`，收据 `results/common_validation08_launch_20260928.json`。
- **补验07已于10:27:53启动。** 从剩余269题按字典序取24题，48控制，0GPU/2并发/单trial1800s/监督7200s，无自动重启或接续；预检通过368源码/profile、24镜像和补验06/保存补丁fixture退出检查。10:28确认worker PID1945774/owned、网络32。目录 `fixtures/eval500-common-validation07-20260928/`，tmux `rl-cpu-common-validation07-20260928`，收据 `results/common_validation07_launch_20260928.json`。
- **补验06已于10:02:01启动。** 从剩余293题按字典序取24题，48控制，0GPU/2并发/单trial1800s/监督7200s，无自动重启或接续；预检通过368源码/profile、24镜像和补验05/保存补丁fixture退出检查。10:02确认worker PID1802266/owned、网络32。目录 `fixtures/eval500-common-validation06-20260928/`，tmux `rl-cpu-common-validation06-20260928`，收据 `results/common_validation06_launch_20260928.json`。
- **私有宿主快照→slot/账本/完成恢复已接入。** `staged/received-slot-20260928/` F0–F3通过，8项dispatch+8项入口测试；08:20–08:22实际Django14007保存开发补丁双trial、0GPU，私有native报告重放一致、账本1、重复调用无新attempt、两个completion可恢复。08:26worker与两项目清零。第一次远端旧/缺模块预检失败保留，归档旧文件并精确同步后才运行。实际fixture没有模型调用，不能作为策略成绩。
- 新鲜Astra xhigh读原diff及继承实现，重跑16项测试、核对保存收据并重放实际报告，未声明0/陈旧0；same-family/provisional。摘要 `results/received_slot_integration_20260928.json`，完整选择 `staged/received-slot-20260928/implement-stage/REPORT.md`。新CLI保留原80点/真实服务/精度等检查，未签发ready；旧严格合同不变，新XFAIL/ERROR/marker准入仍欠。
- 论文保持最近按 `aris:paper-write` 核实的15页/正文9页稿；当前只更新工程闭环与交接，没有把诊断测试写成方法增益。效果主表仍未填。

下一步：逐例核查补验02–04新增的27个Django empty未决和部分观测，更新版本化准入说明；继续O到80并核对终点产物、参数与资源退出；形成恢复后CF适用性release。真实专用模型加载、精度、生成冒烟与终评仍欠，不再重建相同接收/账本组件。

## 07:27历史状态

- O42-retry1完成15/80调用，第16次已准备，质量/宿主监督无报警；14张授权卡均加载，gpu08 0–5瞬时99–100%，gpu23七张100%一张0%。参数变化已在step10独立核验；不推断模型效果或每次调用都改变参数。
- **共同版本补验01收官**：24题/48控制完整、worker和48精确项目退出；原预期检查47，严格完整且预期相符44，二元报告诊断45，3未决。Django10097 empty原生1是唯一预期差异；10554/10880/10973 empty保持未决。摘要 `results/common_validation01_completed_20260928.json`。同版本累计111题/222控制、19未决、1个empty1差异，另389题未完成；最新 `results/common_profile_runtime_coverage_v2_20260928.json`，不覆盖旧汇总。
- **补验02已于07:22:46启动**：剩余389题按字典序取24个Django任务/48控制，0GPU、2并发、2h、不自动重启或接续。368源码/profile、24镜像、环境和前驱退出重新核验。目录 `fixtures/eval500-common-validation02-20260928/`，tmux `rl-cpu-common-validation02-20260928`，启动时worker1218248/owned。收据 `results/common_validation02_launch_20260928.json`。
- **实际宿主接收组件v3完成验证/两轮复核**：`staged/host-evidence-20260928/`，结束前暂停精确容器复制六文件、恢复并确认清理；独立SingleStepTrial工厂修复外层取消提前发布，权限/下线客户端分别15/120s，TERM宽限600s。V1成功、V2因15s down失败及两个空网络的精确清理都保留；V3真实两控制native1/0、六文件及98成员语义一致、实际工厂/环境类正确、worker/项目已退出。9项原边界+8项新增实际Harbor控制流模拟检查通过，第二轮无新声明缺口。新鲜审阅因线程上限不可用，复用方法审阅上下文，same-family/provisional。收据 `results/host_evidence_receiver_validation_20260928.json`。正式slot/有效marker/新准入仍欠，不需要再搭接收层。
- **Django10097已独立归因**：旧/新各一对native1/1；当前438F2P+1432P2P全部PASSED，六个empty失败用例不在固定名单内。历史缺原始观测仍未决，正式空prediction先记0，不把参考报告1当模型空提交1。107原输入未变，官方字段/原生源码匹配；该题不在149训练题中。索引 `results/django10097_control_observations_20260928.json`。
- 按 `aris:paper-write` 增加附录测量边界，0critical/0major、2小修已采纳复核；PDF15页/正文9页，第11页视觉检查通过，0overfull/undefined，10underfull提示。正文和bib未变。`results/django10097_paper_update_20260928.json`。效果主表仍未填，B/M/E未启动。

下一步：收齐补验02及严格审核；将已经验证的ReceivingTrial/Bounded环境、宿主快照和参考接入正式slot/版本化准入；处理剩余未决与加载/精度。O继续固定80，后继仍需真实O80/参数/资源和CF适用性release。

## 06:07历史状态

- O42-retry1完成13/80调用，监控无报警，14张授权卡继续用于训练。首三次数据/数值与step10独立参数审计已完成；效果未测，B/M/E仍未启动。
- 宿主参考存储 `staged/reference-store-20260928/` F0–F2完成，复用现有成员诊断/来源校验/private目录，先选gold再比较empty；两份真实参考与比较已落在 `rl/runs/rl-paper-20260927/controlled-reference-store-v1/private/`。16个失败反例通过，独立审阅另16项检查、79输入未变，0未声明/陈旧项，same-family/provisional。原判分未改；摘要 `results/controlled_reference_store_validation_20260928.json`。未来真实mount/producer、候选事件传输、有效marker认证和正式slot准入仍欠。
- **06:06在gpu23启动共同版本补验01**：固定500减去同版本已完成87，按字典序取首24题（19Astropy/5Django），48gold/empty；不按模型成绩选择。V5监督、0GPU、2并发、单trial1800s/整批7200s，不重启/自动接续。启动前368源码/profile、24镜像、环境版本和前批退出已核对；worker1050028实际owned/running。tmux `rl-cpu-common-validation01-20260928`，目录 `fixtures/eval500-common-validation01-20260928/`，启动收据 `results/common_validation01_launch_20260928.json`。
- 06:07新批完成记录0，因此共同已完成覆盖仍87题/174控制、16未决；其余413中24正在补验，不能提前计111题。原223题发现队列没有重启。已有14卡授权，不需要重复请求；正式效果比较仍未开始。

下一步：收齐本批原生/实际观测/二元审核并确认精确退出后更新覆盖；沿已有参考存储推进实际候选传输/版本化准入；训练持续固定80，后继仍需O80真实产物/退出和CF适用性release。

## 05:43历史状态

- O42-retry1完成12/80次训练调用，第13次已准备，质量/宿主监控无报警；14张授权卡均加载模型。瞬时利用率随policy/解码阶段变化，未使用gpu08 GPU6/7。
- **第10步原生存点已证实改变参数。** 全427语言张量、8953803264个元素独立CPU复核，dtype对齐后329个张量、507546099个元素改变；所有导出/base/cast-base值有限。329个改变张量的原base和导出均为BF16。原base身份、键/形状、摘要和原测量一致。独立闭环 `results/O42_retry1_step10_independent_review_20260928.json`，fresh Astra ultra、same-family/provisional；只证明存储权重改变，不证明逐调用更新或效果提升。存点日志摘录经换行归一化和截断，不是原始字节前缀。只读质量观察器的参数核验字段静态false，不消费这份收据，不热改它。
- `staged/member-evidence-20260928/` 完成F0–F2，现有4份phase参考控制的固定原生ID69/94分别映射到94/108个完整成员，均有call证据；4/1个PASSED-XFAIL异质家族明确可见。两组原生gold1/empty0、严格gold未决/empty部分观测0均不变。新数据是诊断结果，没有新模型成绩、没有正式准入。修正首轮U1/S1–S4后，真实CLI和26个内存反例通过，第二轮独立复现两份v3产物及全部修正，135输入未变，无剩余未声明/陈旧项，same-family/provisional。真实产物在 `implement-stage/real-diagnostics-v3/`，摘要 `results/member_evidence_validation_20260928.json`；已声明唯一call与item生命周期分开、历史来源核验及固定ID家族的覆盖边界。
- 存储实测：原生step10约125.4 GB，HF约17.93 GB；按2个原生存点+9份HF估约412 GB/臂，10臂约4.12 TB，未含trial/log及其他用户增长。gpu08当前/data1约1.87 TB、gpu23约5.93 TB可用。后继需安排完整臂预算和已核验产物归档，不能只依赖10GiB应急线。没有移动或删除存点。收据 `results/training_storage_budget_20260928.json`。
- 后继入口F0–F3/两轮复核已完成，真实O80、终点参数核验及CF适用性release仍欠；B/M/E未启动。共同候选仍87题/174控制、16未决、413题未新跑，不能用新诊断改变分母。论文仍15页、效果未测，当前没有等待自动重试的CPU控制任务。

下一步：继续O至固定80；沿已完成的成员诊断接入可信参考传输和正式模型slot准入；用已有CF适用性证据准备后继release与存储安排。首三次/step10及原223题发现队列已完成，不重复同一检查或参考实验。

## 04:40历史状态

- O42-retry1完成9/80，第10次selected/advantages_prepared，尚无原生step10导出；无监控报警，14卡继续训练。最近等待下一批时原生日志显示generation buffer逐渐收到15/16组，不能把暂未增加update数当成停止。
- 新 `staged/training-successor-20260928/` 已完成F0–F3及两轮假设审查。两机各9个真实配置解析、CUDA未初始化；v3实际preflight每机3179输入/2384别名匹配，因O未完成/资源占用/未放行而拒绝（31理由）。要求原base身份、完整427语言张量和真实80参数审计，保留精确driver控制。收据 `results/training_successor_entrypoint_20260928.json`。
- 首轮发现3问题并保留反例：live manifest未对照冻结hash、尾部检查导入未绑定analysis拷贝、自动精确清理表述不实。现已绑定原profile/alias哈希和recovery/ops助手；两类同步篡改的临时反例独立拒绝。第二轮无剩余未声明假设或陈旧声明，same-family/provisional。当前无科学release、无后继启动；不重复开发入口。
- `results/cf_recovery_applicability_20260928.json`只读核对恢复runtime相对声明父版本：7组件字节相同、3个CF函数AST相同，149题config/资源/Dockerfile/instruction未变。这不是新RPC或生产可用性实测；既有244服务验证已接受，后继应基于适用性证据形成CF审阅，不无理由重做整个pilot。

下一步：核验首个原生存点的参数；实现共同评测的可信参考/完整成员映射/准入规则；沿已完成后继入口准备真实O80与CF证据绑定的release。旧CPU控制/原始未决和论文数字均未修改。

## 03:41历史状态

- O42-retry1完成7/80调用，第8次已准备，无质量或宿主监督报警；14卡训练继续，尚无step10原生导出，参数变化仍未独立核验。
- batch17/18选定九个Sympy任务18控制的独立审查结束：native输出全部精确重放，674历史绑定匹配、476输入不变。九个empty均有实际F2P测试体ERROR、全部P2P通过、无缺ID；九个未决保持。19637每条控制另有两个名单外AST兼容性错误。入口 `results/batch17_18_sympy_attribution_20260928.json`。
- sklearn15100的一个固定native ID对应3个完整参数化成员，状态PASSED/PASSED/XFAIL。HashingVectorizer分支在pytest.raises/fit_transform前动态xfail，理由写PyPy但代码没有平台条件；base Git对象与镜像源一致，官方patch不改该函数。56输入/24历史绑定检查通过。原gold native1仍未决，empty由test_strip_accents的FAILED支持部分观测0。入口 `results/sklearn15100_xfail_attribution_20260928.json`；revision3仍拒绝dynamic XFAIL正准入。
- Sympy13878窄候选只在原测试Python进程及子进程预缓存标准库Iterable别名，未改其他警告/断言/评分。新gold1且20固定ID通过；empty早期输出test_arcsin F，随后test_frechet计算持续到30分钟上限，被取消，缺native报告/观测/canonical log，保持未决。03:39确认worker及2个精确项目退出，未采用候选。原始mode0600启动诊断以字节相同的副本导出，原权限未改。运行 `fixtures/evalctl-sympy13878-iterable-v1/`；诊断v1因远端缺分析脚本未执行，原失败日志保留，v2在本地完整副本上成功。
- 按 `aris:paper-write` 更新附录两段，独立增量审阅精确重放20份结果，无critical/major；3个小修已采纳并复核。PDF仍15页/正文终止9页，最终第11页已视觉检查；正文和bibliography字节不变，模型效果仍未测。回执 `results/phase_evidence_paper_update_20260928.json`。
- 后继入口的CPU核验明确：当前恢复make_plan只收O42，前驱校验只认旧O40停训且拒绝retry1名称。要另建支持固定矩阵和正常80调用前驱的新入口；9份配置计划不是release。见 `results/successor_launch_boundary_20260928.json`。

原223题发现队列已结束；共同候选覆盖仍87题/174控制，不能把新单题候选或已解释的未决加作该版本通过数。下一步先核验O step10参数、完成独立后继入口与共同准入实现；不热改活跃训练或追改任何原分数。

Sympy13878最终审查已闭环：runtime audit complete_with_unresolved_timeout，候选控制验收FAIL；gold1/empty未决，empty缺7项native产物。原startup事件及可读副本摘要匹配，源/profile/镜像与精确退出均经复核。入口 `results/sympy13878_iterable_control_20260928.json`；候选不采用，无待自动重试的CPU任务。

## 02:43历史状态

- O42-retry1已完成4次调用，第5次已准备。首3次数据与数值检查完成：384/384消费行唯一匹配完整native判分，三批均128 live，无健康stop reason，O辅助信用0；梯度范数0.08960/0.09512/0.10021，均有限非零。第4次梯度0.10135。实际参数改变仍待原生存点对比，不能把函数返回或非零梯度当作权重变化证明。入口 `results/O42_retry1_first3_checks_20260928.json`、`O42_retry1_first3_source_binding_20260928.json`，原始前缀与3条指标日志已另存。
- **原定剩余223题发现队列全部收齐**：9–18批共446个gold/empty尝试记录，逐批实际plan成员与原清单一致、无重复/缺槽，控制器均complete_requires_review；旧队列状态/manifest未改。不是500题全通过或同版本验证。证据 `rl/runs/rl-paper-20260927/discovery-queue-completion-20260928.json`。
- 新共同候选下完成87个唯一任务/174控制：raw174，严格实际观测157，报告二元158（1个部分观测0），未决16。另413题没有在此新版本重新运行；其旧版本调查不并入新版本分母。目录/manifest仍execution_ready=false、adopted=false。汇总 `results/common_profile_runtime_coverage_20260928.json`。
- 第16批48条：raw48/strict40/report41/未决7；第17批48条：48/43/43/5；第18批14条：14/10/10/4。对应worker和项目退出均核对，所有原分数及未决保留。摘要 `results/control_batch{16,17,18}_common_20260928.json`。
- 第16批选定8个Sympy任务16对照经独立审查：native重放全匹配、367输入摘要不变；empty有10个固定ERROR、1个FAILED、0missing。7个任务为测试体内功能异常；13878的test_arcsin末端为Python3.9 collections.Iterable弃用警告被提升成异常，兼容性混杂，不能统称模型错误。原7未决和17630部分0保留。入口 `results/batch16_sympy_attribution_20260928.json`。
- **pytest阶段采集器F0–F2完成**：`staged/phase-observer-20260928/`。真实Matplotlib22719 gold/empty各98item、8个call阶段XFAIL；sklearn15100各111item、4个call阶段XFAIL。原生报告/状态图和1/0保持，当前旧准入仍2个empty0、2个gold未决，未采用新判定。首次F0因宿主/训练venv无pytest失败，随后使用已固定的任务镜像，未改活跃环境；合成8item/23phase与4真实参考控制明确分开。Fresh Astra xhigh扫查补齐2个比较语义声明，round2无新gap/stale，same-family/provisional。入口 `results/phase_observer_reference_validation_20260928.json`。完整成员映射、可信参考传输、冲突/覆盖算术和正式准入adapter仍未完成。

下一步：持续O至固定80，先等step10原生存点做参数对比；汇总全部旧/新未决，处理兼容性/HTTP及ERROR归因；把阶段数据接入新的共同观测合同和受控参考流程；完成真实模型加载、精度和执行manifest后才跑正式比较。没有下一批CPU发现任务等待启动，训练/B/M/E及终评仍未完成，模型效果未测。

## 01:22历史快照

O42-retry1已经选出第1批并完成advantages_prepared，尚未记录training_call_completed。消费前缀中的128条逐一按alias/rep/weight-version对应到唯一真实trial，全部通过已启动guard的完整native证据检查；health为128/128 live、无stop reason，O辅助质量为0。01:20 gpu08六张授权卡均在计算（策略2–5为99–100%）。这证明首批判分来源一致，不证明优化器已完成或参数已改变。入口 `results/O42_retry1_update1_admission_20260928.json`，消费前缀在 `rl/runs/rl-paper-20260927/O42-retry1-update1-consumed-prefix-20260928.jsonl`。

第15批于01:13完成48控制，raw/严格实际观测/报告二元三层均48/48，1222固定ID观测完整，无未决；worker及48项目退出。它是共同候选的24个后续任务，尚未逐份独立重放全批。摘要 `results/control_batch15_common_20260928.json`。

第16批已于01:19:31显式启动，目录 `fixtures/eval500-newprofiles-batch16-common-v5/`，tmux `rl-cpu-batch16-common-20260928`。仍是原24任务/48控制、共同候选、V5、2并发、0GPU、2h界限，不自动续批；前批3审核哈希与退出、368源/profile、24镜像/资源已重查。未启动仅剩第17批24题和第18批7题，共31题。历史14批的3未决与其他XFAIL/HTTP/collection问题未被覆盖。

下一步优先：跟完首次训练返回及第2/3次消费/梯度，保留参数变化仍需原生存点独立核验的边界；收完16批后显式续17/18；继续观测合同、未决归因和真实模型服务准备。共同500候选仍未正式放行，策略效果未测。

## 01:07阶段记录

- O42-retry1仍在14卡上采样，01:01读取363份完成trial，361份完整native判分、2份未判分，尚无完成训练调用。两条未判分均在安装前失败；Django13807补丁直接删除setup.py，Requests1142轨迹message90用`rm -f /testbed/*.py`误删根目录Python文件。后者存储补丁未出现精确setup删除头，归因另据完整动作/工具结果和安装日志，不能把截断补丁当全量证据。固定规则未改，详见 `results/O42_retry1_verdict_snapshot_20260928_0101.json`、`O42_retry1_install_failures_20260928_0102.json`。
- batch14于00:52结束48控制：raw46、严格观测44、报告二元45（含1个部分观测0）、未决3。原scikit-learn14710 gold/empty各到30分钟控制器时限，无reward，原记录不补0；scikit-learn15100 gold有固定ID为XFAIL，native1保留但严格准入仍未决，empty依据另一固定F2P失败可判部分观测0。worker和48项目均已退出。入口 `results/control_batch14_20260928.json`。
- 14710新候选仅加OMP/OPENBLAS/MKL线程数1，仍1CPU，gold/empty=1/0，64固定ID完整，80原始case经parser折为64键（16个重复键，无状态冲突）。新对照外层各约59/62秒；原pair结束为超时，不能据一对记录给出稳定/隔离因果加速倍数。实际候选线程数没有测量；旧进程255线程在只读快照中实测。独立审查WARN、same-family/provisional，2份native重放、73输入摘要一致。入口 `results/sklearn14710_thread1_control_20260928.json`。
- **共同500候选已准备并通过选定的整合验证**：`rl/data/sbv500-common-offline-candidate-v1-20260928`，原500成员、config/instruction/Dockerfile/镜像身份保持；7个已声明覆盖加统一离线评分器，7501任务文件。独立源审计检查13527个path-entry（10569物理路径），500脚本变换/语法通过。8任务16控制独立native重放全部一致，8gold1/8empty0，1678个固定ID观测完整；名单外失败仍保留。源审查PASS、运行整体WARN/固定对照PASS，均same-family/provisional。**不表示500题runtime或正式模型终评已放行**，`execution_ready/adopted=false`保留。当前闭环入口 `results/common_eval_profile_closure_20260928.json`；preparation/integration原收据的pending字段保留历史时点，后续状态使用sidecar。
- 第15批已于00:55:15显式启动：`fixtures/eval500-newprofiles-batch15-common-v5/`，tmux `rl-cpu-batch15-common-20260928`。保留原24题/48控制顺序，用共同候选/V5，0GPU、2并发、2h界限，无自动续批；01:00已完成14条，整批审核待结束。第16–18批余55题未启动。旧batch15计划未覆盖；源profile变化单独绑定，不将旧版本覆盖数冒充共同版本runtime验证。

整合控制v1在dispatch前因plan缺image_tag被拒，未启动；v2仅从原Dockerfile补8个tag和来源记录后启动。一次未来batch说明误追加到已绑定PLAN后立即恢复原字节，移至独立BATCH15_CONTINUATION.md；一次向已绑定摘要添加review元数据也已恢复原字节，最终状态改用closure sidecar。原代码/profile/试验结果均未变，审查披露其哈希是端点相等证明，不是全时段从未写入的证明。

## 00:17训练快照与已知限制（历史数字）

O42-retry1仍在14张授权卡上运行，SwanLab `pgk0zqiy`。截至00:17，读取到146份完成trial，其中145份通过已启动版本的完整判分守卫，1份未判分。尚无 `training_call_completed`，首3次消费/梯度/参数变化检查仍未完成。异步样本散布在多个未完整prompt组，完成trial数量不等于形成了一个可消费批次，更不是模型效果。

唯一已见未判分是Django13807 r8 rep5：保存的模型补丁删除 `setup.py`，安装阶段报缺文件，尚未运行原生评分。日志确认缺reward进入R-03规定的未判分路径，没有补造0。这是模型造成的安装失败，不是评分器包下载超时。既定规则也可能屏蔽/重采样这种失败，减少负反馈；按臂记录其比例和成本，不热改当前输入或偷偷追认分数。证据 `results/O42_retry1_model_install_failure_20260928.json`、`O42_retry1_verdict_snapshot_20260928_0017.json`。

旧O40仍作废于主比较，所有旧分数/存点保留。新runtime、数据、launch和release都保持冻结。gpu08 GPU6/7及GPU0原小服务不动；监督不自动重启。

## 此前CPU环境调查（batch14后续见上）

- batch14（V5）仍在gpu23运行，00:16完成28/48控制，worker原始预期旗标28；整批严格观测审计尚未完成，不写成28个最终可用评测槽。batch15–18仍有79题未启动。
- Pylint6528的独立2-CPU候选已完成：新gold/empty=1/0，各175个固定ID完整；每次仍有2个名单外TOML测试失败。唯一profile改动是cpus1→2，原gold/empty=0/0保留，未采用为共同500环境。精确worker和2项目均退出。独立审查WARN、same-family/provisional，旧/新4份native结果重放一致，110个输入path-entry摘要未变。摘要 `results/pylint6528_cpu2_control_20260928.json`。
- 资源因果证据：原 `needs_two_cores` 钩子调用 `_cpu_count()`；同一immutable镜像在quota1/2下分别返回1/2，affinity均128。第一个gpu08探针45s超时且自动移除，无结果使用；gpu23只读源码提取和配额探针成功。原型/来源在 `staged/pylint6528-cpu2-20260928/` 和 `rl/runs/rl-paper-20260927/pylint6528-cpu-probe-v2/`。
- 其余3个Pylint empty未决已独立归因：4551缺 `get_annotation`、4604缺 `IS_PYPY`，gold补丁引入相应接口；4661缺 `appdirs`，gold补丁改变安装依赖。都是真实collection abort，不是parser漏ID。保留3gold有效/3empty未决；前瞻设计collection failure归因规则，不能事后改分。6份native结果重放一致、119个path-entry摘要不变。摘要 `results/pylint_collection_attribution_20260928.json`。

## 后继训练与论文

剩余9个预定训练条件的比较计划已经生成：B/M各3种子、O另2种子、E42。全部通过实际SkyRL配置解析，与活跃O仅臂、种子和输出路径不同。数据、原base、runtime、采样、优化器及14卡布局保持相同；没有启动后继或申请新GPU。入口 `staged/credit-after-recovery-20260928/`，计划 `rl/runs/rl-paper-20260927/credit-after-recovery-plans-v2/`。v1清单相对路径在runtime cwd下无法定位，原失败保留，v2改绝对路径。计划不是release；后继仍要核对新O80实际结束、清理、源、CF与资源证据。

按 `aris:paper-write` 修改限制和附录：删除仍把旧stdout→0回退称为当前逻辑的两处表述；披露O40停训/基座重跑、离线评分核验、训练缺失反馈限制和Pylint资源对照；注明configuration-v1早于恢复。最终PDF15页/正文9页，第11/12页已视觉检查；效果未测、submission_ready=false。增量审查发现1项范围错误，已把“所有后处理异常屏蔽”收窄至缺token元数据及terminal-reward处理块捕获的异常；CF辅助异常仍保留终局学习。修正后critical/major均0，另采纳一项文字建议。单独新reviewer因线程上限不可用，复用独立CPU2审查者（Astra ultra）；明确same-family/provisional及复用上下文，不冒充fresh xhigh或全篇160项重审。编译成功，无溢出/未定义引用错误，保留underfull版面提示。回执 `results/grading_recovery_paper_update_20260928.json`。

## 当前下一步（取代历史快照中的续批安排）

1. 持续监督新O至固定80；首3次消费/数值检查已完成，等step10原生存点核验参数变化，单独识别dtype转换。跟踪缺判分、重试、屏蔽及模型破坏安装的负反馈缺口。
2. 原223题发现队列已全部结束；batch17/18九条Sympy empty及sklearn15100动态XFAIL归因已完成，下一步将这些局部证据接入逐槽位规则。13878的窄兼容候选正在另测，Requests2317 HTTP及既有collection问题仍保留；原attempt/分数不覆盖。
3. 阶段采集F0–F2已完成，继续可信参考传输、完整成员映射、冲突/覆盖算术及准入adapter；共同候选87题有同版本运行，余413题另定验证方案。正式评测仍未放行。
4. 后继入口已在 `staged/training-successor-20260928/` 完成并检查；准备具名CF适用性审阅和真实O80/终点参数/退出证据，再生成科学release。旧恢复入口的O40限制仍原样保留，不复用旧B42-v3或仅改ready布尔值，无需用户重复授权14卡。