iomgaa 4f13365ffa 层1: 损失缩放终解——显式退出 HF 新式梯度累积契约（model_accepts_loss_kwargs=False） ...

第二幕根因：新式契约的 ×world_size 补偿在基类 compute_loss 尾部（v5
trainer.py:2028），整体重写会绕过它 → loss 与梯度 ÷4（sanity 0.244≈0.85/4）。
按 HF 文档建议（trainer.py:1977）退出新式契约回经典行为；docs/02 勘误改为
两幕全记录。

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

2026-07-18 10:25:11 -04:00

..

00-roadmap.md

docs: roadmap 索引同步（第三章已写待读）

2026-07-18 08:34:45 -04:00

01-paper-code-map.md

docs: 修正 π̂ detach 失败机制的方向性错误（压低先验逃逸而非抬高自我强化），补充推导要点

2026-07-18 02:23:49 -04:00

02-sft-baseline.md

层1: 损失缩放终解——显式退出 HF 新式梯度累积契约（model_accepts_loss_kwargs=False）

2026-07-18 10:25:11 -04:00

03-whitebox-opd.md

docs: 第三章勘误——off-policy 切片是数据轨迹上的 KL 蒸馏而非混 SFT；补 prompt-only 下静默空转的说明

2026-07-18 09:02:41 -04:00

appendix-claudemd-decisions.md

docs: 教学注释规范与接口回看规则入 CLAUDE.md；新增 CLAUDE.md 取舍决策附录

2026-07-17 11:59:05 -04:00

research-ideas.md

docs: 新增研究方向记录（RI-1：OmniOPD × ZO-RGD 零阶黎曼优化的三个结合点）

2026-07-18 02:57:01 -04:00