Add Qwen Bridge 29K common-start MULTISEED_PROTOCOL.md

qwen_bridge_common_start_29k/MULTISEED_PROTOCOL.md

@@ -0,0 +1,73 @@
+# Qwen–Bridge 多 continuation seed 协议
+
+## 1. 三类 seed 必须分开
+
+### 1.1 Common-start 基础训练 seed
+
+- 数值：`42`
+- 作用：生成本交接包中的 29K common start。
+- 该 seed 已经固化在 29K checkpoint 的历史中，不是后续多种子实验的横轴。
+
+### 1.2 Continuation training seed
+
+历史首轮 29K→29.5K 训练采用完整状态恢复，没有主动覆盖 checkpoint 内的 RNG/data-order，因此应描述为：
+
+> Exact-state continuation from the 29K common-start checkpoint.
+
+为回答多训练种子稳定性问题，计划使用以下四个 paired continuation seeds：
+
+```text
+117465
+239217
+533389
+587008
+```
+
+这四个 seed 是 **计划执行的 reseeded continuation panel**，不能写成已经由本 Qwen 29K checkpoint 完成的历史结果。每个 seed 下，所有比较方法必须使用同一个 continuation seed；禁止给不同方法分配不同 seed。
+
+主动 reseed 时必须统一覆盖：
+
+- Python random；
+- NumPy；
+- PyTorch CPU；
+- PyTorch CUDA；
+- dataloader/data-order；
+- source 与 trajectory sampling；
+- temporal-anchor sampling；
+- Flow-Matching noise；
+- dropout 和其他训练随机过程。
+
+除 seed/RNG 外，模型、optimizer、scheduler、起始 step、数据、batch、训练预算、world size、学习率和保存协议保持不变。
+
+### 1.3 Evaluation policy seed
+
+正式 headline 测评固定：
+
+```text
+518957
+765353
+686765
+516408
+```
+
+对每个 checkpoint：
+
+- 4 个 policy seeds；
+- Stack、Carrot、Spoon、Eggplant 四个任务；
+- 每个 seed/task 24 episodes；
+- 合计 384 rollouts；
+- BF16 inference；
+- 无视频。
+
+这些 evaluation policy seeds 只控制测评 realization，不用于训练，也不能替代 continuation training seeds。
+
+## 2. 推荐结果表
+
+| Continuation seed | Uniform | Shuffle/Random | OPTR | 其他 baseline |
+|---|---:|---:|---:|---:|
+| 117465 | 待运行 | 待运行 | 待运行 | 待运行 |
+| 239217 | 待运行 | 待运行 | 待运行 | 待运行 |
+| 533389 | 待运行 | 待运行 | 待运行 | 待运行 |
+| 587008 | 待运行 | 待运行 | 待运行 | 待运行 |
+
+每个单元格都应来自同一套 384-rollout formal evaluation。最终报告逐 seed、均值、样本标准差、范围，以及配对差值 OPTR−Uniform、OPTR−Shuffle。