diff --git a/docs/00-roadmap.md b/docs/00-roadmap.md
index 0fad931..c9daa68 100644
--- a/docs/00-roadmap.md
+++ b/docs/00-roadmap.md
@@ -11,7 +11,8 @@
 - **当前层**: 层 1（SFT 基线），待开工
 - **层 0**: ✅ 已关账（2026-07-18）。两端 pytest 4/4 全绿；本地 env `ars-opd`（torch 2.13 cu130，4070Ti 可做小规模 GPU 调试）；远程 env `/data/zym/envs/ars-opd`（torch 2.10 cu128，8 卡可见）；gitea 双端打通（SSH 222）
 - **已完成学习**: 第一章全部精讲（式 1-8、§3.1-3.6、detach 命门专题）；第二章已写好待读
-- **下一步**: Claude 编写 T1→T3→T4→T2→T5（工作模式已改：Claude 写码、用户精读提问，见 CLAUDE.md URGENT.1）；默认参数已通过（teacher=MiniMax-M3 经自建网关 / enable_thinking=False / max_length=4096 / 1k 子集）；T1/T3/T4 已完成入库
+- **层 1 代码全部完成**（T1 configs / T3 data / T4 trainer / T2 teacher / T5 train_sft 脚本，46+ 单测全绿；teacher=MiniMax-M3 经自建网关，2026-07-18 改定）
+- **下一步（运行阶段）**: ① 本地跑完 teacher 生成 1k（scripts/generate_teacher_completions.py，断点续传）→ ② scp parquet+缓存到远程 data/ → ③ 远程 `bash scripts/train_sft.sh sanity`（看首样本自检与 loss 下降）→ ④ `bash scripts/train_sft.sh` 正式 1 epoch → 关账判据见 docs/02 §5
 - **层 1 讨论已完成的**: docs/02 全部难点已精讲（collator 五步流水线与坑二、FSDP 决策与 DDP 触发点、删除/替代清单逐项理由、hash 不稳定演示）
 - **未精讲的文档账**: docs/01 的 §3.7（KL 锚三处实现差异）、§3.8（论文外稳定器）、§4（训练步流程走读）
 - **未精讲的文档账**: docs/01 的 §3.7（KL 锚三处实现差异）、§3.8（论文外稳定器）、§4（训练步流程走读）
diff --git a/scripts/train_sft.py b/scripts/train_sft.py
new file mode 100644
index 0000000..ea23ace
--- /dev/null
+++ b/scripts/train_sft.py
@@ -0,0 +1,148 @@
+"""层 1：SFT 基线训练入口（由 train_sft.sh 经 torchrun 启动，勿直接 python 运行）。
+
+自包含实验脚本：全部参数写死在下方 FULL 配置里，零参数复现；sanity 模式只是
+对 FULL 的两处显式覆盖（50 步 + 独立输出目录）。
+"""
+
+# ---- FSDP 前置块（必须在一切 transformers/accelerate import 之前）----
+# 非显然约束：FSDP 的激活检查点开关是 accelerate 在 import 时读取的环境变量
+# （参考实现 train_distillation.py:15-21 的著名坑）；写在 import 后会静默无效。
+# DDP 下本变量是无害 no-op——现在就位是为了未来换 4B 学生/FSDP 时只改此处一行，
+# 且改完必须 nvidia-smi 实测显存验证生效（docs/02 §2.6）。
+import os
+
+os.environ.setdefault("FSDP_ACTIVATION_CHECKPOINTING", "false")
+
+import dataclasses
+import sys
+
+import torch
+from transformers import AutoModelForCausalLM, AutoTokenizer, TrainingArguments
+
+from ars_opd.configs import SFTConfig
+from ars_opd.data import IGNORE_INDEX, SFTCollator, load_sft_dataset
+from ars_opd.trainer import SFTTrainer
+
+STUDENT_MODEL = "Qwen/Qwen3-0.6B"
+
+FULL = SFTConfig(
+    dataset_path="data/dapo-math-17k-unique.parquet",
+    output_dir="/data/zym/outputs/sft_qwen3-0.6b_dapo1k",
+    teacher_completions_path="data/teacher_completions_dapo1k_minimax-m3.jsonl",
+    subset_size=1000,
+    seed=42,  # 非显然约束：与 generate_teacher_completions.py 一致，否则缓存大面积 miss
+    max_length=4096,
+    max_prompt_length=1024,
+    enable_thinking=False,
+    learning_rate=2e-5,
+    per_device_train_batch_size=8,
+    gradient_accumulation_steps=2,  # 全局 batch = 8 × 4 卡 × 2 = 64
+    num_train_epochs=1,
+    max_steps=-1,
+    lr_scheduler_type="linear",
+    warmup_ratio=0.0,
+    gradient_checkpointing=False,
+    bf16=True,
+    logging_steps=1,
+    save_steps=100,
+    save_total_limit=2,
+    report_to="none",  # 层 1 先靠 tmux 实时日志；W&B 触发条件见 appendix C 表
+)
+
+
+def build_config() -> SFTConfig:
+    """按命令行模式产出配置。frozen dataclass 的换参方式：replace 构造新实例。"""
+    mode = sys.argv[1] if len(sys.argv) > 1 else "full"
+    if mode == "full":
+        return FULL
+    if mode == "sanity":
+        return dataclasses.replace(
+            FULL, max_steps=50, output_dir=FULL.output_dir + "-sanity"
+        )
+    raise ValueError(f"未知模式 {mode!r}，只接受 full / sanity")
+
+
+def smoke_check_first_batch(dataset, collator, tokenizer) -> None:
+    """训练前解码第一个 batch 供肉眼核对（只在 rank0 打印一次）。
+
+    单测用玩具 tokenizer 钉死了预算/边界的算法（tests/test_data.py），但真
+    tokenizer 的模板渲染只能在这里肉眼验证：掩码边界是否落在 assistant 起点、
+    no-think 时空 <think> 块是否在 prompt 侧。这是参考实现"一次性诊断打印"
+    的合理化版本（docs/02 §2.3）。
+    """
+    batch = collator([dataset[0]])
+    ids, labels = batch["input_ids"][0], batch["labels"][0]
+    masked = labels == IGNORE_INDEX
+    prompt_text = tokenizer.decode(ids[masked], skip_special_tokens=False)
+    completion_text = tokenizer.decode(ids[~masked], skip_special_tokens=False)
+    print(
+        "=" * 30
+        + " 首样本自检（人工核对掩码边界）"
+        + "=" * 30
+        + f"\n[prompt 段 | {int(masked.sum())} tok | 不产生 loss]\n"
+        + f"…{prompt_text[-300:]}\n"
+        + f"\n[completion 段 | {int((~masked).sum())} tok | 监督目标]\n"
+        + f"{completion_text[:300]}…\n"
+        + "=" * 80,
+        flush=True,
+    )
+
+
+def main() -> None:
+    cfg = build_config()
+    rank0 = int(os.environ.get("RANK", "0")) == 0
+
+    # 加载顺序刻意 fail-fast：数据（毫秒级，最易配错）→ tokenizer（几 MB）→
+    # 模型（GB 级下载）。teacher 缓存缺失要在下模型之前炸出来
+    dataset = load_sft_dataset(cfg)
+    tokenizer = AutoTokenizer.from_pretrained(STUDENT_MODEL)
+    collator = SFTCollator(
+        tokenizer,
+        max_length=cfg.max_length,
+        max_prompt_length=cfg.max_prompt_length,
+        enable_thinking=cfg.enable_thinking,
+    )
+    if rank0:
+        smoke_check_first_batch(dataset, collator, tokenizer)
+
+    model = AutoModelForCausalLM.from_pretrained(STUDENT_MODEL, dtype=torch.float32)
+
+    args = TrainingArguments(
+        output_dir=cfg.output_dir,
+        # 非显然约束：必须关掉列裁剪。HF Trainer 默认删除模型 forward 签名里
+        # 没有的数据列——"messages" 会被整列删光，collator 收到空字典且不报错
+        remove_unused_columns=False,
+        learning_rate=cfg.learning_rate,
+        per_device_train_batch_size=cfg.per_device_train_batch_size,
+        gradient_accumulation_steps=cfg.gradient_accumulation_steps,
+        num_train_epochs=cfg.num_train_epochs,
+        max_steps=cfg.max_steps,
+        lr_scheduler_type=cfg.lr_scheduler_type,
+        warmup_ratio=cfg.warmup_ratio,
+        gradient_checkpointing=cfg.gradient_checkpointing,
+        bf16=cfg.bf16,
+        seed=cfg.seed,
+        logging_steps=cfg.logging_steps,
+        logging_first_step=True,
+        save_strategy="steps",
+        save_steps=cfg.save_steps,
+        save_total_limit=cfg.save_total_limit,
+        report_to=cfg.report_to,
+        ddp_find_unused_parameters=False,  # 全参训练无闲置参数，省一次全模型扫描
+        dataloader_num_workers=2,  # collator 逐 batch 分词在 CPU，双 worker 与 GPU 重叠
+    )
+    trainer = SFTTrainer(
+        model=model,
+        args=args,
+        train_dataset=dataset,
+        data_collator=collator,
+    )
+    trainer.train()
+    trainer.save_model()  # 终态模型（save_pretrained 格式，含 config）
+    if rank0:
+        tokenizer.save_pretrained(cfg.output_dir)
+        print(f"训练完成，模型已存至 {cfg.output_dir}", flush=True)
+
+
+if __name__ == "__main__":
+    main()
diff --git a/scripts/train_sft.sh b/scripts/train_sft.sh
new file mode 100644
index 0000000..9757c3d
--- /dev/null
+++ b/scripts/train_sft.sh
@@ -0,0 +1,25 @@
+#!/usr/bin/env bash
+# 层 1：SFT 基线训练（远程 gpu-a800-060 专用；本地不跑训练）。
+#
+# 用法（tmux 内执行，日志实时可查）：
+#   bash scripts/train_sft.sh sanity   # 50 步冒烟：看首样本自检 + loss 是否从 ~2-3 下降
+#   bash scripts/train_sft.sh          # 正式：1k 子集 1 epoch
+#
+# 前置检查清单：
+#   1. nvidia-smi 确认下方 GPUS 四张卡空闲（只许用 8 卡中的 4 张，严禁自动选卡）
+#   2. data/ 下已有两个文件（gitignore 不随 git 走，本地 scp 上来）：
+#      scp data/dapo-math-17k-unique.parquet data/teacher_completions_dapo1k_minimax-m3.jsonl \
+#          <远程>:/data/zym/ars-opd-rebuild/data/
+#   3. 代码是最新：git -C /data/zym/ars-opd-rebuild pull
+set -euo pipefail
+cd "$(dirname "$0")/.."   # 锚定仓库根：py 内 data/... 相对路径以此为基准
+
+GPUS=0,1,2,3              # ⚠️ 改这里前先 nvidia-smi
+MODE=${1:-full}
+
+export CUDA_VISIBLE_DEVICES=$GPUS
+export PYTHONUNBUFFERED=1                 # 禁止日志缓存（CLAUDE.md §5）
+export HF_ENDPOINT=${HF_ENDPOINT:-https://hf-mirror.com}
+export HF_HOME=${HF_HOME:-/data/zym/hf_cache}   # 模型缓存落 /data，根分区已满
+
+torchrun --nproc_per_node=4 --master_port=29571 scripts/train_sft.py "$MODE"