iomgaa a0faec0df7 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>

2026-07-18 09:21:38 -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: 修复远程 sanity OOM——per_device batch 8→2、累积 2→8（全局 64 不变）

2026-07-18 09:21:38 -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