feat(harness): checkpoint 存 unit_id 序列，断点续跑孪生对不拆

核心算法保真 #3（断点续跑）：checkpoint 从逐题 question_id 改为存 unit_id 序列（孪生对折叠为单个 unit_id），恢复时 build_units + 按完整 unit 展开，续跑后 pair 两成员同进同出、绝不被劈开。 - _batch_unit_ids/_batch_from_ids 对称折叠/展开，保序去重，纯非 AR 下 unit_id==question_id、与旧逐题序列逐字节一致。 - momentum 采样抽取为 _sample_momentum_candidates 纯函数，docstring 显式记录 Phase 1 设计偏差：仅保证纯非 AR byte-identical，混格 momentum 不保证。 - 新增 test_checkpoint_pair（unit_id 落盘往返、pair 不拆）与 test_non_ar_byte_identical（pools→batching→checkpoint→momentum 端到端黄金）。
2026-07-15 08:22:18 -04:00
parent bd1f7a22a2
commit 6c6fb576ee
4 changed files with 627 additions and 16 deletions
@@ -233,7 +233,8 @@ def write_checkpoint(
        global_step: 全局 step 序号。
        total_steps: 全局总 step 数。
        version_snapshot: skills/prompts 版本快照。
-        epoch_batches: 本 epoch 的 batch 划分（question_id 列表的列表）。
+        epoch_batches: 本 epoch 的 batch 划分（unit_id 列表的列表，孪生对折叠为
+            单个 unit_id；纯非 AR 下 unit_id==question_id）。
        config: 训练配置对象，用于计算 config_fingerprint。

    关键实现细节: