maliang（gc25d）备份

maliang 是一个由代码驱动的 2.5D 动作 RPG 世界模型。它在 Wan2.2-TI2V-5B 上训练，输入首帧、逐帧的数值语义图和动作文本，输出视频。本仓库备份它的代码、文档、关键权重和评测结果。项目说明见 docs/HANDOFF.md，设计规格见 docs/SPEC.md。

目录

路径	内容
code/	模型、训练、蒸馏和评测代码（code/gc25d/），以及从 ActionRoPE 引用的模块（code/arope/）
scripts/	启动脚本和评测脚本
docs/	项目文档
configs/	accelerate 配置
env/	Python 依赖清单（pip_freeze.txt）和 DiffSynth-Studio 的 commit
data/gc25d_v10*/index/	训练数据索引，记录 clip 列表和 train/val 划分
outputs/	关键权重、训练日志和评测结果（视频、json、报告）
extras/	一次性检查脚本、核查记录和项目笔记（打成一个 tar，见 extras/README.md）

HF 的 model 仓库最多只能放 20,000 个文件。因此下面三个小文件很多的目录打成了 tar 包，解包后就是原来的目录：

• outputs/genbench4/cands.tar：在 outputs/genbench4/ 下执行 tar -xf cands.tar。
• outputs/genbench3/cands.tar：在 outputs/genbench3/ 下执行 tar -xf cands.tar。
• outputs/genbench4_smoke.tar：在 outputs/ 下执行 tar -xf genbench4_smoke.tar。

关键权重

权重	路径
实时模型（DMD，部署用）	outputs/distill/gc25d_v10/stage3_dmd/ema/ema_step500.safetensors
蒸馏 stage2（CD）终点	outputs/distill/gc25d_v10/stage2_cd/ema/ema_step8000.safetensors
蒸馏 stage1（TF）终点	outputs/distill/gc25d_v10/stage1_tf/dits/dit_step8000.safetensors
双向教师模型（480p）	outputs/sft_v10/step-8000.safetensors
双向教师模型（704p）	outputs/sft_v10_704/step-5000.safetensors

续训

训练	续训所需文件	用法
双向教师模型（480p）	outputs/sft_v10/state_B/（step 8000）	先 ln -s state_B outputs/sft_v10/state，再 --resume outputs/sft_v10/state
双向教师模型（704p）	outputs/sft_v10_704/state_A/（step 5000）	先 ln -s state_A outputs/sft_v10_704/state，再 --resume outputs/sft_v10_704/state
蒸馏 stage1（TF）	outputs/distill/gc25d_v10/stage1_tf/state_B/（step 8000）	先 ln -s state_B outputs/distill/gc25d_v10/stage1_tf/state
蒸馏 stage2（CD）	stage2_cd/dits/dit_step8000.safetensors 和 ema/ema_step8000.safetensors	这一阶段只存权重，不存优化器状态
蒸馏 stage3（DMD）	stage3_dmd/dits/dit_step500.safetensors、critic/critic_step500.safetensors 和 ema/ema_step500.safetensors	这一阶段只存权重，不存优化器状态

state 目录是 accelerate / DeepSpeed ZeRO 的 save_state 存档（8 卡）。

不在本仓库里的内容

内容	获取方式
原始数据	HF dataset teawhite/GameCrafter-Data-v10
训练数据（data/gc25d_v10/、data/gc25d_v10_704/）	用 code/gc25d/prep_v10.py 从原始数据重新生成，命令见 docs/HANDOFF.md
基座模型	Wan-AI/Wan2.2-TI2V-5B
TAEHV 解码器、文本表默认路径、FastStream 推理加速	teawhite/gc25d-live-demo（私有，放到 ref/gc25d-live-demo/）
DiffSynth-Studio	上游仓库，commit 记录在 env/third_party.txt
中间步数的权重、更早的 state、评测帧数组（.npz）	未备份

恢复到本地

M=/opt/dlami/nvme/zhiyangdeng/maliang          # 必须是这个绝对路径，脚本里写死了
hf download teawhite/maliang --local-dir $M     # 约 361 GB，含 3 份续训 state
hf download teawhite/gc25d-live-demo --repo-type dataset --local-dir $M/ref/gc25d-live-demo   # TAEHV、文本表、FastStream
hf download Wan-AI/Wan2.2-TI2V-5B --local-dir $M/models/Wan2.2-TI2V-5B
hf download teawhite/GameCrafter-Data-v10 --repo-type dataset --local-dir $M/data/GameCrafter-Data-v10   # 评测或重新生成数据时
cd $M && ln -s ../../models code/arope/models && ln -s ../../outputs code/arope/outputs

然后解开上面的 3 个 tar，按「续训」一节建 state 软链，用 logs/setup_env.sh 重建 .venv。需要训练时，用 code/gc25d/prep_v10.py 重新生成训练数据。每个文件的说明见 docs/CLOUD_REPORT.md。