docs: roadmap 存档点更新——层 2 代码关账（U1-U5 全绿），列远程冒烟三盯待办

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

docs/00-roadmap.md

@@ -7,9 +7,10 @@
 
 > 每次断点（层完成/工作暂停）更新此节。恢复上下文时：读 CLAUDE.md → 本节 → 对应章节文档。
 
-- **日期**: 2026-07-18
-- **当前层**: 层 2（white-box OPD），学习阶段——docs/03 已写，用户精读中；U1-U5 待默认参数确认后开写
-- **层 2 开写前两件待办**: ① docs/03 §5 默认参数提案待用户确认，其中 per-device batch=4 须先用层 1 实测显存账重审（白盒 = student+teacher 两份全词表 logits）；② 用户三道自查题待对答案（尾桶丢什么信息 / off-policy 蒸馏何时值得加回+层 1 缓存的角色 / 低频路径 bug 存活率与单测应压向哪里）
+- **日期**: 2026-07-19
+- **当前层**: 层 2（white-box OPD），**代码已完成（U1-U5 全绿，66 单测通过）**，待远程冒烟
+- **层 2 远程冒烟待办（下一步，用户在远程机执行）**: `bash scripts/train_whitebox.sh sanity`（50 步）。三盯：① `nvidia-smi` 确认 B=4/T=2048 不 OOM（白盒 = student+teacher 两份全词表 logits，§5 估算但未实测，OOM 阶梯：降 B→2、再开 gradient_checkpointing）；② KL loss 曲线应见**毛刺**（§4.1 梯度爆炸实况，截图留档给层 5 当有界乘子对照）；③ `distill/num_gen_tokens_per_step` 不塌成 0（生成没空转）。首跑会下载 teacher Qwen3-4B（GB 级）到 /data/zym/hf_cache
+- **层 2 代码构成**: U1 DistillConfig（configs.py，两温度分名/三处刻意缺席）；U2 token_divergence + 梯度爆炸单测（trainer.py，全词表 KL/JSD）；U3 SFTCollator prompt_only 模式（data.py）；U4 DistillTrainer + build_generated_batch（trainer.py，生成→双前向→divergence）；U5 train_whitebox.py/.sh。附带：load_sft_dataset 毛刺已磨平（改吃散装参数，接口回看记录清账）
 - **层 0**: ✅ 已关账（2026-07-18）
 - **层 1**: ✅ 已关账（2026-07-18）。判据全过：正本缓存 sha `33deb18c…`（1000 条，键唯一，think 残留 0，仅 2 条硬题截断）；正式 1 epoch loss 0.94→0.60（56s/16 步）；checkpoint 生成通顺（`/data/zym/outputs/sft_qwen3-0.6b_dapo1k`）；接口回看完成（全部模块判"深"；毛刺记录：load_sft_dataset 吃整个 SFTConfig 迫使诊断脚本填假 output_dir，层 2 第二消费方出现时定夺）
 - **层 1 疤痕档案**（详见 docs/02 §2.6/§5 勘误）: ① 显存大头是 (B,T,V) logits 链与激活（正比 B×T，与参数量无关），B=8 曾爆 80G；② HF 梯度累积契约两幕剧（×8 → ÷4），终解 = model_accepts_loss_kwargs=False 退出新式契约；③ 缓存正本纪律：本地生成一次、单向 scp 分发、sha256 对账，两侧独立生成曾花双份钱且内容漂移