层1/T5: 自包含训练脚本 train_sft.sh + train_sft.py；层 1 代码收口

- train_sft.py: FSDP 环境变量前置块（import 前，DDP 下无害）；fail-fast 加载
  顺序（数据→tokenizer→模型）；首样本自检打印（真 tokenizer 掩码边界肉眼核对）；
  remove_unused_columns=False 等非显然约束逐条注释；sanity 模式 = replace 覆盖
- train_sft.sh: 显式 CUDA_VISIBLE_DEVICES 4 卡、PYTHONUNBUFFERED、HF 镜像/缓存
  改道 /data，前置检查清单（含 scp 数据命令）
- 本地验证：fail-fast 到 teacher 缓存缺失处显式报错（941/1000，59 条真实命中
  反向证明 prompt_key 契约端到端成立）
- roadmap 存档点：层 1 代码完成，进入运行阶段

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

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"