层1: 修复远程 sanity OOM——per_device batch 8→2、累积 2→8（全局 64 不变）

根因：150k 大词表下显存大头是 (B,T,V) logits 链（fp32 ~20G@B=8）与逐层激活，
均正比于 B 而与 0.6B 参数量无关。docs/02 §2.6 旧显存估算勘误入档；
train_sft.sh 加 expandable_segments 防碎片。

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

ars_opd/configs.py

@@ -64,10 +64,13 @@ class SFTConfig:
     # 2e-5；层 5 的蒸馏配置再回到论文的 1e-6。
     learning_rate: float = 2e-5
 
-    per_device_train_batch_size: int = 8
+    per_device_train_batch_size: int = 2
+    """非显然约束：别看 0.6B 小就调大它——显存大头是 (B,T,V) 的 logits 链
+    （fp32 一份 ~20G@B=8）与逐层激活，都正比于 B 而与参数量无关；B=8 实测
+    爆 80G 卡（2026-07-18 远程 sanity）。"""
 
-    gradient_accumulation_steps: int = 2
-    """全局 batch = 8(per_device) × 4(卡) × 2(累积) = 64，与参考实现注释的
+    gradient_accumulation_steps: int = 8
+    """全局 batch = 2(per_device) × 4(卡) × 8(累积) = 64，与参考实现注释的
     训练规模(trainer 配置注释"global batch 64")对齐。"""
 
     num_train_epochs: int = 1