Upload README.md with huggingface_hub

README.md

@@ -0,0 +1,28 @@
+# NGRL Checkpoints 备份
+
+NGRL 项目（neuron-guided RL post-training，NGFT 范式向 RL/OPD 迁移）训练 checkpoint 的异地备份，自 HPC 集群 `/data/icto/yc47493/NGRL/e2_grpo/output/` 上传后本地已清理。base 模型为 `Qwen/Qwen3-1.7B-Base`，GRPO 臂由 verl fork 的 masked-PPO 训出，SFT 臂由 FSDP SFT trainer 训出；各目录即标准 HF 格式（config + safetensors + tokenizer），可直接 `from_pretrained` 加载。
+
+## 目录与实验臂对照（MATH500 Pass@1，greedy 确定性评测）
+
+| repo 路径 | 实验臂 | 全局步 | MATH500 | 评测口径 |
+|---|---|---|---|---|
+| `d2a_full/global_step_{50..250}` | E2 血统 full 臂 0-250 分段 | 50/100/150/200/250 | 0.474 / 0.538 / 0.600 / 0.586 / 0.582 | h100 统一口径（d2f_eval，base=0.256） |
+| `d2e_full/global_step_{50..250}` | full 臂续训段（全局 300-500） | 300/350/400/450/500 | 0.604 / 0.590 / 0.588 / 0.590 / 0.598 | h100 统一口径（d2e_eval，base=0.258） |
+| `d2e_static/global_step_{50..250}` | static 掩码臂续训段（全局 300-500） | 300/350/400/450/500 | 0.554 / 0.552 / 0.554 / 0.578 / 0.566 | h100 统一口径（d2e_eval） |
+| `d2a_static/global_step_250` | D2a 静态掩码臂终点 | 250 | 0.580 | h100 统一口径（d2f_eval） |
+| `d2a_roll/global_step_250` | D2a 滚动掩码臂终点 | 250 | 0.558 | h100 统一口径（d2f_eval） |
+| `e2_posthoc_d{05,10,20,30}/global_step_100` | E2 posthoc 掩码密度扫描臂 | 100 | 0.382 / 0.452 / 0.402 / 0.458 | l40s 旧口径（e2_eval，base=0.266，full100=0.546） |
+| `e2_random_d10/global_step_100` | E2 随机掩码对照臂 | 100 | 0.322 | l40s 旧口径（e2_eval） |
+| `d2c_sft_{full,masked,random}/global_step_50` | D2c SFT 阳性对照三臂 | 50 | 见 output/d2c_eval* 结果 | l40s 旧口径 |
+
+## 判读要点
+
+- full 臂约 150 步即达 ~0.60 平台，300-500 延伸窗走平（0.59±0.01）：增益在前 150 步兑现完毕，长尾为平台噪声（H1 窗口未收敛解释被压缩）。
+- static 延伸窗稳定落后 full 约 2-3pt；滚动掩码 roll 未跑赢 static（0.558 vs 0.580），滚动掩码升级方法贡献不成立。
+- l40s 与 h100 两种评测口径同 ckpt 差 ±2.6pt 内（vLLM 跑间噪声），引用曲线必须统一口径，禁止拼接。
+
+## 相关资产（未含在本 repo）
+
+- 掩码与 schedule：`e2_grpo/masks/`（posthoc.npz、actstat.npz、d2a_schedule.json、d2a_seg*.npz、密度系列 npz）
+- 评测脚本：`e2_grpo/scripts/eval_math500.py`（math_dapo 判分器，greedy）
+- base 模型 Qwen3-1.7B-Base 等为 HF 公开模型，不在备份内。