diff --git a/research-wiki/designs/2026-07-16-preflight-fixes-design.md b/research-wiki/designs/2026-07-16-preflight-fixes-design.md new file mode 100644 index 0000000..e23000c --- /dev/null +++ b/research-wiki/designs/2026-07-16-preflight-fixes-design.md @@ -0,0 +1,152 @@ +# 训练前缺陷修复设计（video-split → Video-MME 900 自进化训练） + +> 2026-07-16。两轮审查（接线预检 + 8 维度多代理审查）共确认 19 bug + 接线缺口 + 切分层优化，本设计一次性覆盖。 +> **目标**：让 video-split 冻结切分驱动的 Video-MME 900 题自进化训练**一次跑出有效结果**（不崩、不静默失效、信号不被污染）。 + +## 1. 背景与问题总览 + +自进化训练对标 PyTorch 训练循环（出题=DataLoader / 推理=forward / 诊断=backward / 进化=optimizer.step）。审查发现三类根问题： + +| 类别 | 代表 | 后果 | +|------|------|------| +| **进化引擎哑火** | 5 个 evolve/momentum 模板 TRM4→TRM5 迁移遗漏，`else ""` 静默兜底 | 3 epochs 跑完但 skills 零进化，best 恒 v1 | +| **诊断链路坍缩** | traces 表从不写入（TracePlugin 未迁移） | 诊断瀑布拿空轨迹，算法保真 #7 失效 | +| **崩溃与信号污染** | 微型题型断言崩、prediction 非标量击穿、缓存跨 epoch 重放、SSE 截断毒化等 | 训练中途崩溃或统计信号失真 | + +叠加**接线缺口**：冻结 `pools.json` 无路径进入训练 workspace（`--fresh` 从 seed 重建不带切分），直接训练会静默丢弃标定成果、按 unit 重切。 + +## 2. 设计目标与非目标 + +**目标**：修复全部 23 项确认缺陷 + 接线；切分层做三处优化（可训练性门槛、val_ratio、tier 感知分配）提升信号质量；产出零参可复现的训练入口。 + +**非目标**：不改 gate/EMA 核心数学（算法保真 #4/#5）；不实现 epoch 层 per-skill best 混搭（见 §9 future work）；不引入向后兼容（P4 显式优于隐式，直接改）。 + +## 3. 架构：四工作包按依赖序 + +```mermaid +graph LR + WP1[WP1 资产迁移
模板+fail-loud+死字段] --> WP3[WP3 训练循环与进化引擎] + WP2[WP2 切分与接线
产出训练输入] --> RUN[训练启动] + WP3 --> RUN + WP4[WP4 韧性与持久化] --> RUN + WP1 -.集成测试依赖.-> WP3 +``` + +WP1 零风险纯搬运先解锁引擎；WP2/WP4 与 WP3 无代码交集可并行；WP3 主体修复依赖 WP1 模板做集成测试。 + +## 4. WP1 —— 资产迁移（修 P0-1 / P0-6） + +从 `/home/iomgaa/Projects/Video-Tree-TRM4/prompts/` 拷 5 文件到 TRM5 根 `prompts/`：`evolve_skill/system/tool/rank.md`、`slow_momentum.md`（进化引导 prompt = 引擎一部分，不参与版本化进化）。 + +- **迁移验收（强制）**：逐个核对模板输出契约与 TRM5 解析代码期望——`evolve_*` 的 `{suggestions, edits}` 结构 vs `_parse_llm_json`/`_apply_one`；`slow_momentum.md` vs `run_slow_momentum`。TRM4→TRM5 代码有漂移，裸拷贝不核对 = 新 bug。 +- **加载器 fail-loud**：`_load_evolve_prompts`/`_load_diagnose_prompts` 的 `else ""` 改 `FileNotFoundError`（列缺失文件名）。 +- **死字段清理**：删 `EvolvePrompts.consolidate_system`（consolidate_appendix 用内联 prompt）、`DiagnosePrompts.span_eval_user`（无消费点）及对应 runner 加载行。 + +## 5. WP2 —— 切分与接线 + +### 5.1 tier 感知切分（`split_selection.py` / `build_split.py`） + +trainval 内部视频组分配从"correctness 分层随机"升级为 **tier 感知确定性贪心**（纯函数、固定 seed）： + +``` +输入: 视频组（t2_count/t1_count/wrong_count/question_count，tier 来自 baseline_diagnosis 按 fingerprint 读） +目标: 最大化 diag 池 T2 捕获 +约束: ①视频原子 ②val 题数 ≈ val_ratio ③val 错题 ≥ val_wrong_min 否则 fail loud +算法: 按 (t2_count desc, wrong_count desc, video_id) 排序装入 diag 至题数预算满 → 余下进 val + → 校验③，违反则从 diag 尾部换出低 T2 组直至满足；有限步无解 → InfeasibleSplitError +``` + +配置：`config/video_split.yaml` `val_ratio: 0.3 → 0.4`（甜点：val 错题 29→~38 让整包终审更抗噪，diag 错题 64→~56 进化信号仍过剩；0.5 过冲、迭代次数受损）。tier 感知不加开关（无扫动需求，YAGNI）。重切零 LLM 成本（诊断已按指纹落库）。 + +### 5.2 冻结产物覆盖保护（修 P2-1） + +`build_split` 冻结前检查产物存在性：存在且内容指纹不同 → 报错并提示 `--force`（CLI 补上此缺失参数）；`--force` 时旧产物重命名 `pools.json.bak.<旧指纹前8>` 再写。 + +### 5.3 seed 携带切分（接线核心） + +| 项 | 设计 | +|----|------| +| `init_seed` | 新增可选 `pools_json`/`split_manifest`，提供则拷入 seed 目录 | +| `init_workspace_from_seed` | seed 目录有 `pools.json` 则连 manifest 拷入 workspace（拷 baseline.db 之后） | +| `build_or_load_pools`（global 补校验，修已知 #2） | 加载冻结 pools 强校验 `baseline_run_id` 匹配 seed；有 manifest 时校验 `sha256(pools.json)==manifest.pools_sha256` | +| 新 seed `adhoc-baseline` | `extract_run_db` 加 `dedupe_per_question`（每 qid 按 rowid 取首行，902→900 对齐 canonical）+ `init_seed(baseline_run_id='infer_adhoc', pools_json=…)` | + +seed 最终形态：`seed.json / baseline.db(900) / pools.json / split_manifest.json / skills/v1 / prompts/v1`。 + +## 6. WP3 —— 训练循环与进化引擎 + +| # | 缺陷 | 修法 | +|---|------|------| +| P0-3 | 微型题型三连雷 | `train()` 加**可训练性预检**（纯函数）：题型 `n_val50% 报错中止 | +| P2-3/#5 | step 重跑双计 + 慢更新非幂等 | `_run_step` 开始先 `DELETE ... WHERE run_id=<本step>`；`_refresh_gate_ladder` 保存 gate_pools 后**立即**原子落盘 checkpoint(`gate_epoch_observed=True`) 消除双计窗口 | + +`run_holdout_eval` 保持开启（去重版），逐 epoch test 曲线四线齐全，成本从 2400 降至 600~1200 次/epoch。 + +## 7. WP3 —— 进化引擎 patch 加固（修 P1-6，算法 #8 防御） + +| 层 | 改动 | +|----|------| +| 跨度判定 | `_in_ranges` 从"只查起点"改为"整个 target 跨度 [pos,pos+len) 与保护区相交即拒"；`_do_insert_after` 同 | +| 注入检查 | edit payload/target 含 `APPENDIX_START/END`、`MOMENTUM_START/END` 字面量 → 拒绝该 edit | +| 最后防线 | `validate_skill` 增 marker 完整性校验（成对、有序、各至多一对），违反整体 reject | + +不改"保护跨度"语义方向，只把已声明的保护做完整。 + +## 8. WP4 —— 韧性与持久化 + +| # | 缺陷 | 修法 | +|---|------|------| +| P1-1 | 缓存跨 epoch 重放 | `chat()` 加 `cache_salt`；训练 rollout/val/test 链路注入 `f"{run_id}:e{epoch}"`（跨 epoch 真实重采样、同 epoch 续跑仍命中）；judge/evolve/离线切分无盐。TTL 修：`REDIS_CACHE_TTL≤0` 启动即 ValueError（消灭"0=永不过期"隐式语义）。**同步改 `.env`/`.env.example` 给正整数**（当前值 0，不改则修复后启动即崩），训练场景建议 ≥ 单次训练时长| +| P1-2 | SSE 截断毒化 | `_consume_stream` 校验 `[DONE]`/finish_reason 才算成功；流耗尽未完成抛 `_SseAnomaly` 进重试梯，**绝不写缓存** | +| P1-3 | 断连不重试 | `_is_transient_error` 扩为 `httpx.TimeoutException`+`httpx.TransportError` 两族 | +| P2-6 | 熔断半开烧穿 | cooldown 到期只放行 1 探针（half-open 锁），成功才闭合 | +| P1-4 | 基线臂 INFRA 污染 | INFRA 单元不写 BaselineCache、不计 W/L；护栏检查移到写缓存**之前** | +| P1-7 | manifest 非原子写 | `update_manifest/record_run/update_best/_scaffold` 统一 tmp+`os.replace`（复用 checkpoint 模式）| +| P2-2 | 基线元数据被改写 | 只读查询基线的两处改走只读连接，不经 `HarnessLog.__init__` upsert | +| P2-5 | dual_metric 口径歧义 | 慢更新 R2 行 `version_kind` 改 `slow_candidate`，`final` 恢复唯一语义 | +| P2-4 | 离线 uncertain 不可重试 | `video_split_cli` 加 `--retry-uncertain`（done 集排除 uncertain 行）；docstring "逐行落库"表述修正为"run 末批量落库" | + +## 9. Rejected alternatives / Future work + +| 选项 | 为何不做 | +|------|---------| +| epoch 层 per-skill best 混搭 | per-class val 样本太小(中类 5-10 题)终审频繁选错；prompts 随慢更新漂移致跨 epoch 成绩不可拼接。合理形态是训练**结束后**一次性 final assembly（每类取 gate 末次接受版本 + 最终 prompts，全 val 评一次比 best_hard），成本一次推理、不动循环 → **记 future work** | +| val_ratio 0.5 | 每类 3 epochs 仅 ~4 次进化机会，迭代受损；val 错题 38→46 边际收益趋零 | +| 确定性评估(temp=0) | 统计效率最高但基线用默认温度采，换口径要重烧全部基线，本轮不可行 | +| 会计层去重替代 epoch 盐 | 需动 gate/EMA 保真区且造不出新信息（每题永远只见一次抽样）| + +## 10. 非功能四维（全设计汇总） + +| 维度 | 保障 | +|------|------| +| **持久化** | 冻结产物/manifest/checkpoint 全 tmp+replace 原子写；holdout 备忘录入 checkpoint | +| **幂等** | step 重跑先 DELETE 后写；seed/冻结产物存在即拒覆盖(--force 显式)；诊断按指纹 upsert 不变 | +| **断点续跑** | epoch 盐保同 epoch 命中；gate_epoch_observed 在 gate_pools 保存后立即落盘，消除慢更新双计窗口 | +| **原子性** | manifest 补齐原子写（对齐 checkpoint 先例）；pools 冻结沿用现有原子写 | + +## 11. 测试策略 + +| 层 | 覆盖 | +|----|------| +| 单元(新增) | tier 选择器(真实 baseline_diagnosis 二次构造：T2 捕获/val 错题≥20/视频原子)；可训练性预检(真实 pools 驱动，5 微型类被剔)；patch 三层校验；SSE 未完成流拒收；瞬时错误清单；缓存盐入键；extract_run_db 去重；seed 携带拷贝；holdout 备忘录 | +| 单元(改语义) | early_stop 按 epoch；加载器 fail-loud；prediction 归一化 | +| 集成 | fake-LLM 小池 train 冒烟(预检→模板→traces 适配→holdout 去重计数→step DELETE)；5 模板契约测试 | +| 回归 | 全量 1473 保持绿；agent/LLM 测试产 MD 到 `tests/outputs/` | + +## 12. 训练启动 runbook（修复完成后） + +``` +1. 四工作包完成 + make test 绿 +2. 备份 workspaces/video-split/ → 改 val_ratio:0.4 → 重跑 build_video_split.sh(诊断命中缓存秒级) + → 核对: val 错题≥20 / T2 入 diag 数 / 预检模拟的可训类清单 +3. 建 seed: extract_run_db(infer_adhoc,dedupe) + init_seed('adhoc-baseline', pools_json=…) +4. 新增 config/train_videomme.yaml + scripts/train_videomme.sh(零参可复现): + epochs=3, early_stop_patience=2(epoch), run_holdout_eval=true(去重版), + trainable_min_units=8, 其余 gate/batch 沿用 default.yaml +5. tmux: CUDA_VISIBLE_DEVICES=0 bash scripts/train_videomme.sh +``` diff --git a/research-wiki/designs/preflight-fixes.md b/research-wiki/designs/preflight-fixes.md new file mode 100644 index 0000000..406d5fd --- /dev/null +++ b/research-wiki/designs/preflight-fixes.md @@ -0,0 +1,11 @@ +--- +type: design +node_id: design:preflight-fixes +title: 训练前缺陷修复设计 +date: 2026-07-16 +--- + +# 训练前缺陷修复设计 + +正文见 [`2026-07-16-preflight-fixes-design.md`](./2026-07-16-preflight-fixes-design.md)。 + diff --git a/research-wiki/graph/edges.json b/research-wiki/graph/edges.json index 23ef519..7ff9d9f 100644 --- a/research-wiki/graph/edges.json +++ b/research-wiki/graph/edges.json @@ -240,6 +240,11 @@ "id": "plan:fix-diagnosis-tree-data-link-plan", "label": "实现计划: 修复诊断 tree_data 断链 bug", "type": "plan" + }, + { + "id": "design:preflight-fixes", + "label": "训练前缺陷修复设计", + "type": "design" } ], "links": [ diff --git a/research-wiki/index.md b/research-wiki/index.md index 907c552..8038143 100644 --- a/research-wiki/index.md +++ b/research-wiki/index.md @@ -1,8 +1,8 @@ # Research Wiki 索引 -> 自动生成，更新时间：2026-07-16 02:01 UTC +> 自动生成，更新时间：2026-07-16 07:43 UTC -## design (34) +## design (36) - [2026-07-06-core-agent-adapters-llm-design](designs/2026-07-06-core-agent-adapters-llm-design.md) `design:2026-07-06-core-agent-adapters-llm-design` - [2026-07-07-app-harness-design](designs/2026-07-07-app-harness-design.md) `design:2026-07-07-app-harness-design` - [2026-07-07-core-evolution-design](designs/2026-07-07-core-evolution-design.md) `design:2026-07-07-core-evolution-design` @@ -12,6 +12,7 @@ - [2026-07-11-batch-tree-build-design](designs/2026-07-11-batch-tree-build-design.md) `design:2026-07-11-batch-tree-build-design` - [2026-07-11-question-gen-v2-design](designs/2026-07-11-question-gen-v2-design.md) `design:2026-07-11-question-gen-v2-design` - [2026-07-12-per-category-pool-strategy-design](designs/2026-07-12-per-category-pool-strategy-design.md) `design:2026-07-12-per-category-pool-strategy-design` +- [2026-07-16-preflight-fixes-design](designs/2026-07-16-preflight-fixes-design.md) `design:2026-07-16-preflight-fixes-design` - [Action Recognition 单题型首次训练实验设计](designs/2026-07-14-action-recognition-training-design.md) `design:2026-07-14-action-recognition-training-design` - [main.py 推理入口 + 初始 Prompt 集设计](designs/2026-07-09-main-inference-entry-design.md) `design:2026-07-09-main-inference-entry-design` - [main.py 推理入口 + 初始 Prompt 集设计](designs/main-inference-entry.md) `design:main-inference-entry` @@ -32,6 +33,7 @@ - [搜索 Agent 装配层设计（app/search/）](designs/2026-07-07-search-module-design.md) `design:2026-07-07-search-module-design` - [结果驱动的视频级 train/val/test 切分（替代自造题模块）](designs/2026-07-15-results-driven-video-split-design.md) `design:2026-07-15-results-driven-video-split-design` - [结果驱动的视频级 train/val/test 切分（替代自造题模块）](designs/results-driven-video-split.md) `design:results-driven-video-split` +- [训练前缺陷修复设计](designs/preflight-fixes.md) `design:preflight-fixes` - [训练池 Maintenance 正确题自动补入机制](designs/2026-07-14-maintenance-pool-design.md) `design:2026-07-14-maintenance-pool-design` - [训练池 Maintenance 正确题自动补入机制](designs/maintenance-pool.md) `design:maintenance-pool` - [论文主图：Self-Evolving Search Agent 推理训练闭环](designs/paper-main-figure.md) `design:paper-main-figure` @@ -92,7 +94,8 @@ - [赛题生成工具实现计划](plans/question-gen-synth.md) `plan:question-gen-synth` - [项目基础设施初始化计划](plans/infrastructure-setup.md) `plan:infrastructure-setup` -## review (1) +## review (2) +- [2026-07-16-preflight-train-review](reviews/2026-07-16-preflight-train-review.md) `review:2026-07-16-preflight-train-review` - [question-gen v2 设计对抗审核 — 六路独立核验（四层病灶闭合度 + 契约一致性）](reviews/2026-07-15-question-gen-v2-adversarial-audit.md) `review:2026-07-15-question-gen-v2-adversarial-audit` ## schema (6) diff --git a/research-wiki/log.md b/research-wiki/log.md index ac7aadb..55e431d 100644 --- a/research-wiki/log.md +++ b/research-wiki/log.md @@ -121,3 +121,5 @@ - [2026-07-16 01:49 UTC] 新增 plan: 实现计划: 修复诊断 tree_data 断链 bug (plan:fix-diagnosis-tree-data-link-plan) - [2026-07-16 02:01 UTC] 新增边: plan:fix-diagnosis-tree-data-link-plan --implements--> design:fix-diagnosis-tree-data-link - [2026-07-16 02:01 UTC] 重建索引: 98 篇页面 +- [2026-07-16 07:43 UTC] 新增 design: 训练前缺陷修复设计 (design:preflight-fixes) +- [2026-07-16 07:43 UTC] 重建索引: 101 篇页面