feat(prep/monitor): 打包每 10% 打一行进度 + 监控按实测算进度/ETA；prep 估时 0.5→2.0 h

- build_dataset.cjs：每 10% 打 `[prep] shard_xxxx a/b`（只加日志，不改计算）。新增广
  （40%/3°/12，每个增广样本 6 次碰撞检查）让这批打包从上次的 25 分钟涨到约 1 小时，
  而原来整片完成前一行输出都没有，看起来像卡死。
- monitor.py prep 分支：解析这些行，按 (已完成分片 + 进行中分片的任务比例)/总分片 算 frac，
  按实测速率外推 eta；首批完成前显示"首波处理中，第一批完成后显示预估"。
- pstate/monitor.html：prep 估时 0.5 h → 2.0 h（超时 1.5 h → 6 h），与实际耗时一致。

ml/monitor.py

@@ -252,11 +252,24 @@ def stage_progress(st, s):
                 'eta_s': (N - n) / rate if rate > 0 else None}
     if st == 'prep':
         nsh = len(glob.glob(os.path.join(ROOT, DATA, 'shard_*.jsonl')))
-        done = len(newer(f'{DATA}/samples/*.X.npy', t0))
+        fin = newer(f'{DATA}/samples/*.X.npy', t0)
+        done = len(fin)
         if os.path.exists(os.path.join(ROOT, DATA, 'r2.json')) and newer(f'{DATA}/r2.json', t0): return {'frac': 1, 'label': '打包完成，R2 检查完成', 'eta_s': 0}
+        # 2026-10-19：build_dataset 每 10% 打一行 [prep] shard_xxxx a/b；用它把"整片完成"之间的进度和 ETA 算出来
+        fin_n = {os.path.basename(p).split('.')[0] for p in fin}
+        part = {}
+        for ln in console(0)['text'].splitlines()[-800:]:
+            m = re.search(r'\[prep\] (shard_\d+) (\d+)/(\d+)', ln)
+            if m: part[m.group(1)] = int(m.group(2)) / max(1, int(m.group(3)))
+        run = {k: v for k, v in part.items() if k not in fin_n}
+        frac = (done + sum(run.values())) / nsh if nsh else None
         el = time.time() - t0
-        eta = (nsh - done) / (done / el) if done > 0 and el > 1 and nsh > done else None
-        return {'frac': min(0.95, done / nsh) if nsh else None, 'label': f'已打包 {done} / {nsh} 个分片' + ('，R2 检查中' if nsh and done >= nsh else ''), 'eta_s': eta}
+        eta = el * (1 - frac) / frac if frac and 0.02 < frac < 1 and el > 5 else None
+        lab = f'已打包 {done} / {nsh} 个分片'
+        if run: lab += f' · 进行中 {len(run)} 个（平均 {100 * sum(run.values()) / len(run):.0f}%）'
+        elif done == 0: lab += ' · 首波处理中，第一批完成后显示预估'
+        elif nsh and done >= nsh: lab += '，R2 检查中'
+        return {'frac': min(0.95, frac) if frac is not None else None, 'label': lab, 'eta_s': eta}
     if st == 'train':
         tag, bs = info.get('tag', 'base'), info.get('bench_steps', 2000)
         b, m = last_rec(f'bench_{tag}') if newer(f'{RUNS}/bench_{tag}/log.jsonl', t0) else None, last_rec(tag) if newer(f'{RUNS}/{tag}/log.jsonl', t0) else None