iomgaa ee16e29846 层1: 修复 HF 梯度累积契约坑——compute_loss 按新式契约返回 sum/num_items_in_batch ...

根因（探针定案）：预训练模型真实 CE≈0.85，训练日志 7.5≈0.94×8（累积步数）。
Qwen3 forward 接受 loss_kwargs → Trainer 走新式契约不再除以累积步数，我们
返回裸 mean 导致日志与梯度同放大 8 倍。sft_loss 纯函数不动，适配收口在
compute_loss；docs/02 §5 勘误起点预期（~0.85）并记录此坑。

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

2026-07-18 10:18:09 -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 HF 梯度累积契约坑——compute_loss 按新式契约返回 sum/num_items_in_batch

2026-07-18 10:18:09 -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