Upload README.md with huggingface_hub

README.md

@@ -1,327 +1,76 @@
----
-license: apache-2.0
-base_model: Qwen/Qwen3.8-27B-FP8
-tags:
-- qwen
-- lora
-- reinforcement-learning
-- fp8
-- agentic-coding
-- scientific-computing
-library_name: transformers
----
+# qwen3.8_27b_LabOpen
 
-# Qwen3.8-27B-LabOpen v1
+本机独立项目仓库：`/Users/luoshumac/projects/qwen3.8_27b_LabOpen`。
+从原`/Users/luoshumac/Documents/常规工具`保留Git历史迁入；后续开发以本目录为准，原目录仅保留兼容/历史备份。详见[迁移记录](PROJECT_MIGRATION_2026_9_12.md)。
 
-Qwen3.8-27B strengthened for verifiable scientific computation — released both as **merged FP8 full weights** (drop-in for the base) and as the original **LoRA adapter**.
+2026-09-21按用户澄清，将原目录名中的qwen3.5笔误纠正为qwen3.8；曾为兼容保留旧名称符号链接，现已按用户要求移除；只使用上述新根目录。历史文件、远端目录、模型ID与冻结字节保持原样，详见[名称纠正记录](PROJECT_PATH_CORRECTION_2026_9_21.md)。
 
-LabOpen v1 adds six verifiable capability domains (fluid physics, materials mixture laws, classical genetics, ops action queries, prose style, agentic coding) on top of [Qwen/Qwen3.8-27B-FP8](https://huggingface.co/Qwen/Qwen3.8-27B-FP8), while preserving the base model's native code generation, function calling, intent understanding and formula rendering. The largest measured gain: **agentic coding 32% → 72% (+40pp)** on a 78-test deterministic battery.
+本仓库保存 Dell Pro Max with GB10 上 Qwen3.8 本地推理、模型对照、原生 LoRA/SFT、模拟工具智能体和实验记录。模型权重保存在 GB10，不进入 Git。
 
-- **Base model**: Qwen3.8-27B (FP8 release, Apache 2.0)
-- **Training**: 15 reinforcement windows (G69–G84), LoRA r=4, group-relative RL (RLOO-style, k=8 sampling) with mechanically verifiable rewards
-- **License**: Apache 2.0 (same as base)
-- **Hardware target**: any FP8-capable GPU (H100 / GB10 / B200 class); ~28 GB in FP8
+## 当前阶段
 
-## Positioning & Philosophy
+新会话按[AGENTS蓝图](AGENTS.md) → [当前阶段](LABOPEN_CURRENT_STAGE.md) → 当前指定的有效计划接续；[交接](LABOPEN_HANDOFF.md)说明资产与操作边界，[文档地图](LABOPEN_DOCUMENTATION_MAP.md)管理详细索引和历史回查。核心目标是条件理解、信息选择、规则组合与能力保留，旧计划中的“下一步”不自动执行。
 
-Qwen3.8-27B-LabOpen v1 is a research model built on the open Qwen3.8-27B foundation through domain fine-tuning and optimization, focused on scientific research fields including programming, physics, life sciences, and materials science.
+训练栈独立管理入口：[LABOPEN_TRAINING_STACK_GOVERNANCE.md](LABOPEN_TRAINING_STACK_GOVERNANCE.md)。组件、模型配置、配方、评测和运行分别治理；已有配方可依据实测重新组合，不因一次实验而固化整个基座。[2026-09-21审查与收益反思](LABOPEN_TRAINING_STACK_REVIEW_2026_9_21.md)记录当前证据、接口缺口与改进优先级。
 
-The project does not aim to replace general-purpose large language models. It seeks to preserve the comprehensive strengths of a general model while further strengthening its adaptation to scientific knowledge, domain-specific problems, and research workloads.
+迁移时最新状态：G12机制窗口已完成，0训练更新；同FP32参考路径dense1/6、MoBA5/6，仅局部信号，原生精度差异与因果前提仍待研究。g06已暂停，常驻服务已恢复；本次迁移不恢复旧轮询。
 
-The model is intended for universities, research institutes, corporate R&D centers, and professional laboratories, and supports local or private deployment scaled to the institution's actual computing resources.
+- 常驻推理：`orcarouter/Qwen3.8-27B-Uncensored-FP8`，vLLM，32K eager，环回监听。
+- 主要强化起点：原OrcaRouter FP8；官方 `Qwen/Qwen3.8-27B` BF16是高精度参照，固定 revision `1d4bf0f2ff6012fd82039f2fa52739d0dd7c60c0`。两份原始快照保持不变。
+- 训练方式：原生 Python/torch/Transformers/PEFT/TRL，不使用 Docker。
+- 当前权限：L0/L1 可用；L2 仅限项目内纯模拟/只读工具；未开放真实高权限写操作。
 
-We believe that AI for scientific research should not depend solely on remote general-purpose model services. Research institutions deserve the opportunity to deploy, operate, and continuously refine specialized models on their own computing infrastructure — forming AI capability that fits their own research missions, data-governance requirements, and domain expertise.
+## 仓库结构
 
+- `gb10_qwen38/`：部署、验证、训练、评测脚本，小型测试资产和结果。
+- `labopen_stack/`：有限学习实验库；使用方式与实际支持范围见其README。
+- `LABOPEN_TRAINING_STACK_GOVERNANCE.md`：训练栈组件、组合、状态与变更管理的独立入口。
+- `AGENTS.md` / `LABOPEN_DOCUMENTATION_MAP.md`：常驻核心蓝图与详细文档索引。
+- `GB10_QWEN38_LABOPEN_TRAINING_MEMO.md`：训练决策与长期工作备忘。
+- `GB10_QWEN38_LAB_NOTEBOOK.md`：实验总账。
+- `IMPLEMENTATION_PLAN_2026_9_9_LABOPEN_GENERALIZATION.md`：早期新阶段总方案，当前执行计划以阶段入口指定为准。
+- `gb10_qwen38/stages/generalization_20260909/`：新阶段代码、历史回查卡和独立结果。
+- 旧 `IMPLEMENTATION_PLAN_*`：历史协议，除新入口显式引用的有效部分外不再接续。
 
-## What's in this repo
+## 本地验证
 
-| Path | Content |
-|---|---|
-| `model-0000X-of-00007.safetensors` + index | **Merged FP8 full weights** (base + LoRA, blockwise-FP8 re-quantized). Same tensor layout and quantization format as the base — drop-in replacement |
-| `adapter/` | **LoRA adapter** (112 MB, PEFT format, 992 tensors). Numerically exact training artifact — no re-quantization |
-| `MERGE_REPORT.md` | Merge provenance: digests, shard SHA-256, re-quantization error stats, output-equivalence probes |
-| `EVALUATION.md` | Measured capability matrix and 5-model external comparison |
-| `USAGE.md` | Loading, domain tags, temperature guidance, troubleshooting |
-
-Use the **merged weights** for serving (vLLM/SGLang). Use the **adapter** on top of the base when you want the exact training-time numerics or a smaller download.
-
-## Capability matrix (measured, heldout sets)
-
-| Domain | Metric | Score | vs Base |
-|---|---|---|---|
-| **Agentic coding** | 78 deterministic tests, 3-round fix | **72%** (56/78) | **+40pp** (base: 32%) |
-| **Intent understanding** | 10-scene deep-intent probe | **8/10** | preserved |
-| **Formula display** | LaTeX integrity, 5 problems | **5/5** | preserved |
-| Fluid physics (CFM) | Pool-B heldout, T=0.3 k=8, tagged | 44% draws | new (base ≈ 0) |
-| Materials (mixture laws) | heldout 40 items, T=0.3 | 32% draws | new (base ≈ 0) |
-| Classical genetics | heldout 20 items, tagged | 79% draws | new (base: 47% natural) |
-| Ops (action queries) | 8 items, dual-temp | 4–5/8 | new |
-| Prose style | 20 open-ended, T=0.3 k=8 | 75% any-correct | new |
-
-### External comparison (same battery, 2026-10)
-
-| Model | Intent | Agentic tests | Rank |
-|---|---|---|---|
-| GLM 5.3 | 8/10 | 57/78 (73%) | #1 |
-| **LabOpen v1 (this)** | **8/10** | **56/78 (72%)** | **#2** |
-| Qwen3.8-max | 8/10 | 54/78 (69%) | #3 |
-| DeepSeek v4.1 flash | 6/10 | 48/78 (62%) | #4 |
-| Qwen3.8-27B (base) | 8/10 | 25/78 (32%) | #5 |
-
-A 27B + r4 LoRA reaching frontier-model agentic-coding territory in 15 training windows is the headline result; see `EVALUATION.md` for gaps that remain (first-pass rate, general knowledge vs 100B+ models).
-
-## Usage
-
-### Serving the merged weights (recommended)
+从仓库根目录运行：
 
 ```bash
-vllm serve HoomanBio/Qwen3.8-27B-LabOpen-v1
-# or: docker run ... vllm/vllm-openai --model HoomanBio/Qwen3.8-27B-LabOpen-v1
-```
-
-The merged checkpoint uses the same blockwise FP8 (e4m3, 128×128 scales) format as the base — any runtime that loads `Qwen/Qwen3.8-27B-FP8` loads this without changes.
-
-### Loading the adapter (exact training numerics)
-
-```python
-from transformers import AutoModelForCausalLM, AutoTokenizer
-from peft import PeftModel
-
-base = AutoModelForCausalLM.from_pretrained("Qwen/Qwen3.8-27B-FP8", device_map="auto")
-model = PeftModel.from_pretrained(base, "HoomanBio/Qwen3.8-27B-LabOpen-v1", subfolder="adapter")
-tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen3.8-27B-FP8")
-```
-
-> **Do not run `merge_and_unload()` on the FP8 base yourself.** The base stores weights as blockwise-FP8 codes with 128×128 scales; a naive PEFT merge adds a BF16 delta directly onto FP8 codes and silently corrupts the weights. Use the merged checkpoint provided here — it was produced by dequantize → add delta → re-quantize with per-block scale recomputation and verified against the adapter (see `MERGE_REPORT.md`).
-
-### Domain tags
-
-The strengthened domains are addressed by a one-line tag at the **start of the prompt**:
-
-| Tag | Domain |
-|---|---|
-| `[domain: cfm-chain]` | fluid physics chains |
-| `[domain: mat-table]` | materials mixture laws |
-| `[domain: bio-genetics]` | classical genetics |
-| `[domain: ops-action]` | ops action queries |
-| `[domain: general-prose]` | open-ended prose style |
-
-Without a tag the model keeps base behavior (code / function calling need no tag).
-
-### Temperature
-
-| Use case | Temperature |
-|---|---|
-| Domain computation (cfm/mat/bio/ops) | **0.3** (greedy degrades on some domains) |
-| Open-ended prose | **0.3** (prose is in the distribution, not always the mode) |
-| Code generation | 0.0–0.2 |
-| General QA | 0.3–0.7 |
-
-## Technical notes
-
-- **Architecture**: Qwen3.8-27B hybrid — 64 decoder layers: 48 linear-attention + 16 full-attention layers.
-- **LoRA**: r=4, α=4 (scaling 1.0), dropout 0, on 496 projection modules across 12 module types (q/k/v/o/gate/up/down_proj, in_proj_a/b/qkv/z, out_proj) = 992 tensors, ~112 MB.
-- **Merge math**: per module `W = codes × scale(blockwise)` dequantized to FP32, LoRA delta `(B·A)·scaling` added, re-quantized per 128×128 block (`scale = amax/448`). Mean re-quantization relative error 0.33% — the same order as the base's own FP8 storage noise. Equivalence probes (greedy, 3 prompts × 48 tokens, adapter vs merged): see `MERGE_REPORT.md`.
-- **Training substrate**: a local FP8 copy of Qwen3.8-27B (community redistribution). Bit-equivalence with `Qwen/Qwen3.8-27B-FP8` was not verified; the adapter config points to the official release for loading.
-
-## Thinking-behavior governance
-
-The base model can exhaust its thinking budget on unfamiliar domain problems, leaving the reasoning segment unclosed — "thinking exhaustion". This was measured, governed, and re-measured rather than assumed away:
-
-- **Worst recorded case**: before the materials window (G77), 48% of materials generations truncated with unclosed thinking (155/320 during in-window fuel sampling).
-- **Mechanism**: the reward contract scores termination mechanically — truncation, format errors, and runtime errors are separate reward categories — and oracle injection teaches termination explicitly. Within that single window, truncation fell from 155/320 to 0/320 and per-item generation time dropped from 327 s to 74 s.
-- **Post-governance audit** (four domains, harvest trajectories): unclosed-thinking rate 0% across fluid physics / materials / genetics / ops; degenerate repetition 1/952; median thinking length 180–581 characters (genetics shortest, fluid physics longest).
-- **Boundary**: this audit covers the five-domain deployment protocol; open-ended (non-domain) questions have not had a dedicated thinking-exhaustion probe.
-
-## Training methodology (summary)
-
-15 reinforcement windows (G69–G84) on a frozen FP8 serving stack with exact weight/update contracts: group-relative advantages with k=8 sampling and mechanically verifiable rewards; oracle injection for zero-mastery domains; verified distillation from champion checkpoints; frozen domain tags; substep advantage for multi-step composition; per-window heldout gates and retention protection. Single seed, single run — no capability claim in this card comes from a set seen during training.
-
-## Honest boundaries
-
-- Single seed, single training run; variance bands not fully characterized
-- Prose style is stable at T=0.3 sampling, unstable at greedy decoding
-- Domain capabilities require their tags; untagged behavior is base behavior
-- 27B parameter count — not comparable to 100B+ models on general knowledge
-- Merged FP8 weights add re-quantization noise vs the adapter path (stats in `MERGE_REPORT.md`); the adapter is the numerically exact artifact
-- All scores are single evaluation runs on heldout sets
-
-## Acknowledgments
-
-- **Alibaba Qwen team** — for Qwen3.8-27B, the open base model this work builds on, and for the open Apache-2.0 release that makes derivative research like this possible.
-- **Z.ai (Zhipu AI)** — GLM 5.3 served as the strongest external benchmark in our evaluation battery and as an engineering assistant during the release workflow.
-- **Moonshot AI** — Kimi K3's public work on long-context and agentic reasoning informed our evaluation design for intent understanding and multi-step tool use.
-
-We thank these teams for pushing open, measurable frontiers — this release aims to contribute back in the same spirit.
-
-## Citation
-
-```bibtex
-@software{labopen_v1,
-  title = {Qwen3.8-27B-LabOpen v1: Six-Domain Reinforcement of Qwen3.8-27B},
-  author = {Hooman AI Lab},
-  year = {2026},
-  url = {https://huggingface.co/HoomanBio/Qwen3.8-27B-LabOpen-v1},
-  base = {Qwen/Qwen3.8-27B-FP8},
-  license = {Apache-2.0}
-}
+python3 -m unittest discover -s labopen_stack/tests -t .
+venv/labopen-science-20260921/bin/python \
+  gb10_qwen38/stages/generalization_20260909/check_regressions.py local \
+  --base-python /usr/local/bin/python3
+/usr/local/bin/python3 gb10_qwen38/stages/generalization_20260909/recall.py --check
+/usr/local/bin/python3 -m compileall -q gb10_qwen38
 ```
 
----
-
-# 中文版模型卡
+模块化训练栈v0.1的CLI、CPU Torch入口与验证边界见[训练栈说明](labopen_stack/README.md)，组合与演进规则见[独立治理](LABOPEN_TRAINING_STACK_GOVERNANCE.md)。G37完成128更新与恢复/独立评分，工程通过但物理fit未过、新世界未测；代码保留而无新增益。尚无通过整体能力验收的配方；软件、配方和模型资产分别验收，详见[G37报告](artifacts/g37-prefix-learning-20260921/G37_REPORT.md)。
 
-# Qwen3.8-27B-LabOpen v1
+S05辅助可见性策略及共享学习执行器已完成G38的128更新工程核验；G38原题fit未过、A旧代码退化、B未显现主任务增益，不晋级。合同、结果及后续边界见[当前阶段](LABOPEN_CURRENT_STAGE.md)。本轮仅比较辅助前态可见性，仍以原题拟合/新世界/保留验收。
 
-面向可验证科学计算强化的 Qwen3.8-27B——同时以**合并 FP8 全权重**（与基座即插即用）与原始 **LoRA 适配器**两种形态发布。
+S06主损失分配与显式无辅助组合已完成G39-v2的96更新工程核验；B原题4/8、零截断、代码保留通过，但fit未过、新世界未测、不晋级，见[报告](artifacts/s06-g39-20260922/G39_REPORT.md)；[当前阶段](LABOPEN_CURRENT_STAGE.md)维护唯一当前状态。工程验证与能力收益分开，G39-v1仅为未启动作废准备版。
 
-LabOpen v1 在 [Qwen/Qwen3.8-27B-FP8](https://huggingface.co/Qwen/Qwen3.8-27B-FP8) 之上新增六个可验证能力域（流体物理、材料混合律、经典遗传学、运维动作查询、散文文风、智能体编程），同时保留基座原生的代码生成、函数调用、意图理解与公式显示能力。最大实测增益：78 项确定性智能体编程测试上 **32% → 72%（+40pp）**。
+S07按臂主target、数值代入来源审计与变长目标预算映射已完成G40-v1的96更新工程核验。A4/8、B5/8均未过fit，新世界未测，代码保留通过；[报告](artifacts/s07-g40-20260922/G40_REPORT.md)记录局部得失与边界。g40检查已移除，现状以[当前阶段](LABOPEN_CURRENT_STAGE.md)为准。S08输入策略与训练/eval隔离完成G41-v2的96更新工程核验。A5/8、B6/8，但干扰题正确数3/4→1/4，两臂fit未过、新世界未测、代码保留，配方不晋级；[报告](artifacts/s08-g41-20260923/G41_REPORT.md)记录结论。g41检查已移除；v1为未启动作废准备版。S09/G42完成0更新、18请求与恢复/独立评分；配对正确3/8→3/8→5/8，去重3/8、2/5、3/5，C2一项截断，帮助效果有修复也有退化、三个预注册信号均未过，见[报告](artifacts/s09-g42-20260923/G42_REPORT.md)。没有能力晋级；g42收口检查已移除，G43也已收口，最新结论见当前阶段。
 
-- **基座模型**：Qwen3.8-27B（FP8 版本，Apache 2.0）
-- **训练**：15 个强化窗口（G69–G84），LoRA r=4，组相对强化学习（RLOO 式，k=8 采样），机械可验证奖励
-- **许可证**：Apache 2.0（与基座相同）
-- **硬件要求**：任意支持 FP8 的 GPU（H100 / GB10 / B200 级别）；FP8 下约 28 GB
+Mac科学环境固定Python3.11.9 / NumPy2.2.6 / SciPy1.15.3 / h5py3.13.0；基础测试仍使用本机`/usr/local/bin/python3`（含Pillow），Torch部分沿用GB10原生CPU验证环境。旧冻结执行器仍含`/tmp/labopen-scicode-xc8sem/venv/bin/python`；这是历史重放依赖，不是新项目目录，具体说明见迁移记录。不要直接重放旧运行器，也不要批量替换冻结JSON内的路径。
 
-## 项目定位与理念
+GB10 上的模型服务、训练环境和权重不由 Git checkout 自动修改。任何临时模型切换都必须在退出路径恢复 `qwen38.service` 并实际生成固定字符串。
 
-Qwen3.8-27B-LabOpen v1 是基于 Qwen3.8-27B 开源基础模型开展领域微调与优化的研究模型，重点面向编程、物理学、生命科学、材料科学等科学研究领域。
+## 项目原则
 
-项目并不以取代通用大模型为目标，而是希望在保留通用模型综合能力的基础上，进一步增强其对科学专业知识、领域问题及研究任务的适应能力。
+认知开放，执行受权。知识分析不按主题阻断；现实动作由独立网关根据资产范围、书面授权、工单、窗口、证据和可逆性决定。模型输出不构成现实执行授权。
 
-模型主要面向高校、科研院所、企业研发中心及专业实验室等使用场景，支持根据实际计算资源条件进行本地化或私有化部署。
+S10联合监督视图与显式评测布局完成G43-v1的96更新工程验收、恢复和独立评分。覆盖项2/4→3/4，但丢失两条原有正确主请求；两臂既有CPM保留题退化，均未过fit、新世界未测，配方不晋级。g43收口检查移除；后续活动合同以当前阶段为准。见[报告](artifacts/s10-g43-20260923/G43_REPORT.md)，见[方案](IMPLEMENTATION_PLAN_2026_9_23_LABOPEN_S10_G43_QUANTITY_COVERAGE.md)和[实施日志](EXPLORATION_LOG_2026_9_23_LABOPEN_S10_G43_EXECUTION.md)。
 
-我们相信，科学研究中的人工智能不应仅仅依赖远程通用模型服务。科研机构也应有机会在自身的计算基础设施上部署、使用和持续优化专业模型，形成符合本机构研究任务、数据管理要求和专业知识体系的人工智能能力。
+S11配对等价teacher路径与保护预算完成G44-v1的96更新、恢复及独立工程验收。A主请求8/12、B7/12，B丢失原正确项，两臂CPM保留退化，fit未过/新世界未测；路径配方不晋级，见[G44报告](artifacts/s11-g44-20260923/G44_REPORT.md)。唯一现状见[当前阶段](LABOPEN_CURRENT_STAGE.md)，旧窗口不续跑，不自动下一GPU合同。
 
-## 仓库内容
+S12/G45已完成N/PC/P/C来源诊断：144更新/112生成、复现/预算门、原服务恢复和完整独立核验通过。已知CPM退化可由物理单独更新产生，代码监督另有局部保护；无新世界/能力晋级，见[G45报告](artifacts/s12-g45-20260924/G45_REPORT.md)。112生成是28已知输入×4资产。实际状态见[当前阶段](LABOPEN_CURRENT_STAGE.md)，合同见[S12/G45](IMPLEMENTATION_PLAN_2026_9_24_LABOPEN_S12_G45_OBJECTIVE_ABLATION.md)。
 
-| 路径 | 内容 |
-|---|---|
-| `model-0000X-of-00007.safetensors` + index | **合并 FP8 全权重**（基座 + LoRA，分块 FP8 重量化）。张量布局与量化格式和基座完全相同——即插即用替换 |
-| `adapter/` | **LoRA 适配器**（112 MB，PEFT 格式，992 张量）。训练时的精确数值工件，无重量化 |
-| `MERGE_REPORT.md` | 合并溯源：摘要、分片 SHA-256、重量化误差统计、输出等价探针 |
-| `EVALUATION.md` | 实测能力矩阵与五模型外部对比 |
-| `USAGE.md` | 加载方式、域标记、温度建议、故障排查 |
+S13/G46完成96更新/102生成、恢复与独立工程验收。KL明显降低，但CPM错题转移、物理正确集合退化，保留/候选失败，新世界未测；见[G46报告](artifacts/s13-g46-20260924/G46_REPORT.md)，见[当前阶段](LABOPEN_CURRENT_STAGE.md)及[S13方案](IMPLEMENTATION_PLAN_2026_9_24_LABOPEN_S13_G46_CODE_DISTRIBUTION_ANCHOR.md)。该窗口已结束，不重复启动、扩时或自动下一窗口。
 
-部署服务用**合并权重**（vLLM/SGLang）；需要训练时精确数值或更小下载量时用**适配器**加载基座。
+S14/G47完成96更新/102生成、恢复与独立工程验收。A逐字节复现G46 A，B从G46 A检查点继承续训第二纪元：主请求10/12、全16题14/16、代码18/18（首个全保留训练资产），但丢失一条A已正确主请求，无损条款与fit未过、新世界未测；见[G47报告](artifacts/s14-g47-20260925/G47_REPORT.md)，见[当前阶段](LABOPEN_CURRENT_STAGE.md)及[S14方案](IMPLEMENTATION_PLAN_2026_9_25_LABOPEN_S14_G47_INHERITANCE_DOSE.md)。该窗口已结束，不重复启动、扩时或自动下一窗口。
 
-## 能力矩阵（heldout 集实测）
+S15/G48完成96更新/102生成、恢复与独立工程验收。A逐字节复现G47 B第二纪元，B从G47 B检查点进入第三纪元：两进三出净退化（主请求9/12、代码16/18），预注册分支4成立，纯剂量方向关闭，fit未过、新世界未测；见[G48报告](artifacts/s15-g48-20260925/G48_REPORT.md)，见[当前阶段](LABOPEN_CURRENT_STAGE.md)及[S15方案](IMPLEMENTATION_PLAN_2026_9_25_LABOPEN_S15_G48_THIRD_EPOCH.md)。该窗口已结束，不重复启动、扩时或自动下一窗口。
 
-| 域 | 指标 | 得分 | 对比基座 |
-|---|---|---|---|
-| **智能体编程** | 78 项确定性测试，三轮修复 | **72%**（56/78） | **+40pp**（基座：32%） |
-| **意图理解** | 10 场景深层意图探针 | **8/10** | 保持 |
-| **公式显示** | LaTeX 完整性，5 题 | **5/5** | 保持 |
-| 流体物理（CFM） | heldout 池 B，T=0.3 k=8，带标记 | 44% 采样命中 | 新增（基座 ≈ 0） |
-| 材料（混合律） | heldout 40 项，T=0.3 | 32% 采样命中 | 新增（基座 ≈ 0） |
-| 经典遗传学 | heldout 20 项，带标记 | 79% 采样命中 | 新增（基座自然 47%） |
-| 运维（动作查询） | 8 项，双温 | 4–5/8 | 新增 |
-| 散文文风 | 20 项开放题，T=0.3 k=8 | 75% any-correct | 新增 |
-
-### 外部对比（同一测试组，2026-10）
-
-| 模型 | 意图 | 智能体测试 | 排名 |
-|---|---|---|---|
-| GLM 5.3 | 8/10 | 57/78（73%） | #1 |
-| **LabOpen v1（本模型）** | **8/10** | **56/78（72%）** | **#2** |
-| Qwen3.8-max | 8/10 | 54/78（69%） | #3 |
-| DeepSeek v4.1 flash | 6/10 | 48/78（62%） | #4 |
-| Qwen3.8-27B（基座） | 8/10 | 25/78（32%） | #5 |
-
-27B + r4 LoRA 以 15 个训练窗口进入前沿模型的智能体编程区间，这是本发布的头条结果；仍存在的差距（首过率、与 100B+ 模型的通用知识差距）见 `EVALUATION.md`。
-
-## 使用方法
-
-### 部署合并权重（推荐）
-
-```bash
-vllm serve HoomanBio/Qwen3.8-27B-LabOpen-v1
-# 或：docker run ... vllm/vllm-openai --model HoomanBio/Qwen3.8-27B-LabOpen-v1
-```
-
-合并检查点与基座采用完全相同的分块 FP8（e4m3，128×128 块尺度）格式——任何能加载 `Qwen/Qwen3.8-27B-FP8` 的运行时均可直接加载本仓库，无需改动。
-
-### 加载适配器（训练时精确数值）
-
-```python
-from transformers import AutoModelForCausalLM, AutoTokenizer
-from peft import PeftModel
-
-base = AutoModelForCausalLM.from_pretrained("Qwen/Qwen3.8-27B-FP8", device_map="auto")
-model = PeftModel.from_pretrained(base, "HoomanBio/Qwen3.8-27B-LabOpen-v1", subfolder="adapter")
-tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen3.8-27B-FP8")
-```
-
-> **不要自行对 FP8 基座执行 `merge_and_unload()`。** 基座权重以分块 FP8 码 + 128×128 块尺度存储；朴素 PEFT 合并会把 BF16 增量直接加到 FP8 码上，静默损坏权重。请使用本仓库提供的合并检查点——它按「反量化 → 加增量 → 按块重量化」生成，并经与适配器的等价探针验证（见 `MERGE_REPORT.md`）。
-
-### 域标记
-
-强化域通过置于提示首行的单行标记寻址：
-
-| 标记 | 域 |
-|---|---|
-| `[domain: cfm-chain]` | 流体物理链 |
-| `[domain: mat-table]` | 材料混��律 |
-| `[domain: bio-genetics]` | 经典遗传学 |
-| `[domain: ops-action]` | 运维动作查询 |
-| `[domain: general-prose]` | 开放式散文文风 |
-
-不加标记时模型保持基座行为（代码 / 函数调用无需标记）。
-
-### 温度
-
-| 场景 | 温度 |
-|---|---|
-| 域计算（cfm/mat/bio/ops） | 0.3（部分域 greedy 退化） |
-| 开放式散文 | 0.3（散文在分布中但未必是众数） |
-| 代码生成 | 0.0–0.2 |
-| 通用问答 | 0.3–0.7 |
-
-## 技术说明
-
-- **架构**：Qwen3.8-27B 混合——64 个解码层：48 层线性注意力 + 16 层全注意力。
-- **LoRA**：r=4，α=4（缩放 1.0），dropout 0，覆盖 12 类模块（q/k/v/o/gate/up/down_proj、in_proj_a/b/qkv/z、out_proj）共 496 个投影模块 = 992 张量，约 112 MB。
-- **合并数学**：逐模块 `W = codes × scale`（分块）反量化至 FP32，加入 LoRA 增量 `(B·A)·scaling`，再按 128×128 块重量化（`scale = amax/448`）。平均重量化相对误差 0.33%——与基座自身 FP8 存储噪声同量级。等价探针（greedy，3 提示 × 48 token，适配器 vs 合并）：见 `MERGE_REPORT.md`。
-- **训练基材**：Qwen3.8-27B 的本地 FP8 副本（社区再分发）。未与 `Qwen/Qwen3.8-27B-FP8` 做逐位等价核验；适配器配置指向官方发布以便加载。
-
-## 思考行为治理
-
-基座模型在不熟悉的域问题上可能耗尽思考预算、使推理段未闭合即截断——即"思考枯竭"。本模型对该问题做了测量—治理—复测的完整闭环，而非默认其不存在：
-
-- **最严重记录**：材料域窗口（G77）之前，材料题生成 48% 出现思考未闭合截断（窗内燃料采样期 155/320）。
-- **机制**：奖励合同对终止行为做机械评分——截断、格式错误、运行异常是相互独立的奖励类别；oracle 注入显式教授终止行为。该窗口内截断从 155/320 降至 0/320，单题生成时长从 327 秒降至 74 秒。
-- **治理后审计**（四域收获轨迹）：流体物理 / 材料 / 遗传学 / 运维四域思考未闭合率均为 0%；退化重复 1/952；思考段长度中位数 180–581 字（遗传学最短、流体物理最长）。
-- **边界**：该审计覆盖五域部署口径；开放式（非域）问题尚未做思考枯竭专项探针。
-
-## 训练方法（摘要）
-
-15 个强化窗口（G69–G84），运行于带精确权重/更新契约的冻结 FP8 服务栈：组相对优势 + k=8 采样 + 机械可验证奖励；零起点域的 oracle 注入；冠军检查点的验证蒸馏；冻结域标记；多步组合的子步优势；逐窗 heldout 门与保持保护。单种子单次运行——本卡中的全部能力声明均来自训练未见过的评测集。
-
-## 诚实边界
-
-- 单种子单次训练；方差带未完全表征
-- 散文文风在 T=0.3 采样下稳定，greedy 解码下不稳定
-- 域能力需要标记；无标记行为即基座行为
-- 27B 参数量——通用知识不可与 100B+ 模型相比
-- 合并 FP8 权重相对适配器路径存在重量化噪声（统计见 `MERGE_REPORT.md`）；适配器是精确数值工件
-- 所有得分均为 heldout 集上的单次评估
-
-## 致谢
-
-- **阿里巴巴 Qwen 团队**——感谢 Qwen3.8-27B 这一开放基座模型，以及 Apache-2.0 开放发布使此类衍生研究成为可能。
-- **智谱 AI（Z.ai）**——GLM 5.3 在我们的评估测试组中是最强外部基准，并在发布工程流程中担任工程助手。
-- **月之暗面（Moonshot AI）**——Kimi K3 在长上下文与智能体推理上的公开工作，为我们的意图理解与多步工具使用评测设计提供了参考。
-
-我们感谢这些团队推动开放、可度量的前沿——本次发布希望以同样的精神回馈社区。
-
-## 引用
-
-```bibtex
-@software{labopen_v1,
-  title = {Qwen3.8-27B-LabOpen v1: Six-Domain Reinforcement of Qwen3.8-27B},
-  author = {Hooman AI Lab},
-  year = {2026},
-  url = {https://huggingface.co/HoomanBio/Qwen3.8-27B-LabOpen-v1},
-  base = {Qwen/Qwen3.8-27B-FP8},
-  license = {Apache-2.0}
-}
-```
+S16/G49完成自洽合同G49-v4的96更新/102生成、恢复与独立工程验收。B验证自轨迹主请求12/12、全16题15/16、三元组4/4（项目历史最强物理结果），self_path_signal通过；但丢失3403/nuisance且代码既有CPM退化，保留与fit未过、新世界未测。G49-v1/v2/v3资格期失败/偏离原件全部保留。见[G49报告](artifacts/s16-g49-20260925/G49_REPORT.md)，见[当前阶段](LABOPEN_CURRENT_STAGE.md)及[S16方案](IMPLEMENTATION_PLAN_2026_9_25_LABOPEN_S16_G49_SELF_PATH.md)。该窗口已结束，不重复启动、扩时或自动下一窗口。