feat(train/monitor): 评估峰值不再撑爆整卡 + 从指定阶段重训 + 闭环误差诊断

- train.py：evaluate 改 bs=64，结束后 empty_cache()。WDDM 下 15.9 GiB 的评估峰值用完不退，
  整卡顶到 96% 后驱动把训练张量换出（实测 Local 18.8 GB / Shared 1.9 GB），吞吐从 5.5k
  掉到 444 samples/s、8000 步 eval 卡死 68 分钟；改后峰值 5.32 GiB、eval 106 s、吞吐 6.4–7.0k。
- pstate/pipeline：新增 --fresh-from=<阶段>：只把该阶段及之后的产物移进 ml/archive/（不删），
  与参数失效取并集；配合 FROM 实现"只重训某一阶段，之后全部重做"（沙盒实测选 train 只归档 ml/runs/base）。
- monitor：运行方式加「从指定阶段重训」+ 起始阶段下拉；TARGET_SAMPLES 默认改 200 万；
  「最好 X%」改标最好那次 eval 的步数（原来错标当前步，18,000 步显示成 0.2% 的出处）。
  连同工作区已有的停止补扫 sweep_nt（按命令行补杀 git-bash 下逃逸的孙进程）一并提交。
- eval/diag_tail.py：闭环末位误差 / 是否进过 5 mm 窗口的逐题诊断（手动运行，不进流水线）。

ml/pstate.py

@@ -1,6 +1,6 @@
 """流水线状态与互斥锁（单一写者：所有对 ml/runs/pipeline.json / pipeline.lock 的写都经过本模块，原子替换）。
 pipeline.sh 自动调用，一般不需要手动运行：
-  python -m ml.pstate reset <阶段1,...> [--fresh]     # `all` 开始：保留 rc=0 的已完成阶段（续跑）；参数变了只作废受影响的阶段；--fresh 全部作废
+  python -m ml.pstate reset <阶段1,...> [--fresh]     # `all` 开始：保留 rc=0 的已完成阶段（续跑）；参数变了只作废受影响的阶段；--fresh 全部作废；--fresh-from=<阶段> 只作废该阶段及之后
   python -m ml.pstate todo                             # 打印计划中尚未完成的阶段（空格分隔）
   python -m ml.pstate begin <阶段> [键=值 ...]          # 阶段开始
   python -m ml.pstate set <阶段> 键=值 ...              # 阶段中途更新
@@ -194,11 +194,12 @@ def main():
     if cmd == 'reset':
         plan = rest[0].split(',') if rest and rest[0] else []
         pn = params_now(); prev = d.get('params') or {}
-        changed = []
+        changed = [k for k in PARAM_KEYS if prev and prev.get(k) != pn[k]]
+        ff = next((r.split('=', 1)[1] for r in rest if r.startswith('--fresh-from=')), '')
         if '--fresh' in rest: bad = set(ORDER)
         else:
-            changed = [k for k in PARAM_KEYS if prev and prev.get(k) != pn[k]]
             bad = {st for k in changed for st in AFFECTS[k]}
+            if ff in ORDER: bad |= set(ORDER[ORDER.index(ff):])
             if changed: print('参数与上次不同：' + json.dumps({k: (prev.get(k), pn[k]) for k in changed}, ensure_ascii=False)
                               + '；受影响的阶段重跑：' + ' '.join(st for st in ORDER if st in bad), file=sys.stderr)
         keep = {k: v for k, v in d.get('stages', {}).items() if v.get('rc') == 0 and k not in bad}