cbb
b6141d237c
- webapp/r4_probe.html：feat 移进 run() 每次新建。proxy=1 时 ORT 把输入 transfer 给 Worker，旧写法第二次 run 报 Tensor size(83) vs data length(0)，两种 proxy 配置全挂、r4.json pass=null。 - ml/pipeline.sh：7 处 json.load(open(...)) 补 encoding='utf-8'（:90 :110 :118 :127 :136 :138 :144）。r4.json 以 ensure_ascii=False 写出，Windows GBK 下 :110 实测 UnicodeDecodeError，命令替换为空会让上层分支走错。 - ml/pipeline.sh r4：末行 `[ "$r" = null ] && echo` 在 r=pass 时整体返回 1，set -e + EXIT trap 把通过的 r4 记成 rc=1（all 会因此停）→ 改 if/fi。 - 实测复跑两次：pass=true，部署口径（16 线程+proxy+enc_once）P99 10.22 / 11.25 ms，4 线程 13.58/13.64，无 proxy 9.28/10.92，webgpu 仍 backend not found。 - 文档同步：A 组两处标记已修，仅留 A-3（ortLocal+proxy 离线路径）交实现方。
7.9 KiB
ML 运行手册审查（ml/README.md）· 精简版
六轮历史（0218d7f → a5e779c）：第一轮 13 条、第二轮可行性、第三~五轮处置、第六轮本机实跑。已解决的条目按用户要求删去，完整原文在 git 历史里。本文件只剩三部分：仍有效的实测数字 / 仍未解决的问题 / 已复核正常的项，供实现方下一轮处置。
环境：本机 CBB-003（RTX 3090、28 核、Python 3.12 + torch 2.10 + onnxruntime 1.22、Edge + onnxruntime-web 1.20.1）。
当前结论：第 1–6 步已实测可跑；第 7–13 步零证据；R4 部署口径（纯推理）已判通过，bash ml/pipeline.sh r4 端到端 rc=0（2026-10-18 本机修复后复跑）。A 组原三处中两处已修，只剩离线部署 A-3。
一、仍有效的实测数字（后续对照用）
| 项 | 数字 | 口径 |
|---|---|---|
| 对拍 300 条 | PASS（fk 3.4e-13 mm、特征 6e-8、间隙梯度 1.4e-6），7.6 s | 第 2 步 |
| 生成 | 1.56 s/条（80 条 122 s） | 第 4 步 |
| 统计 | keepRate 0.977、samplesPerTask 36.5、projected 178.4 万、exec_s p50 2.3 / p90 3.0 / max 3.7 s、cert.minGap p50 4.4 / p90 5.9 mm | 88 条，未加 3 mm 过滤 |
| 预训练 | 4.92 M 参数、6208 样本/s（batch=1024）→ 60k 步 ≈ 2.8 h | 250 步冒烟 |
R4（随机初始化模型；延迟只取决于结构，与是否训练无关）：
| 接口 | 线程 | proxy | P50 | P95 | P99 |
|---|---|---|---|---|---|
| enc_once（部署口径） | 16 | 开 | 7.36 | 9.48 | 11.07 |
| enc_once | 4 | 开 | 10.22 | 11.69 | 12.92 |
| enc_once | 16 | 关 | 7.43 | 9.21 | 10.79 |
| 旧接口（对照） | 16 | 开 | 9.53 | 11.29 | 16.47 |
| 旧接口 | 4 | 开 | 13.88 | 16.35 | 17.19 |
tickGapMax 全部 ≈21.5 ms（20 ms 节拍没被卡住）。背景：第五轮前默认（4 线程、无 proxy、旧接口、真查看器）P99 37.0；线程扫描 8 线程 24.9 / 16 线程 19.5 / 24 线程 25.8 → 16 最优，超线程反而挤。部署口径纯推理 P99 11.07 < 15，R4 判通过；enc_once 相对旧接口省约 30–33%。
修复后由 pipeline.sh r4 自身复跑（两次）：部署口径 P99 10.22 / 11.25（P50 7.34 / 7.10），4 线程 13.58 / 13.64，无 proxy 9.28 / 10.92；webgpu 仍报 [webgpu] backend not found。
真查看器同一会话（随机权重、?policy=1&probe=1）：inferMs P50/P99/max = 30.36 / 61.64 / 68，safetyMs = 63.52 / 248.76 / 320.6；622 次 plan、brakes 4、locks 48、projected 283、lookahead 219。单变量对照：__POLICY.stop() 后纯 infer 7.5 / 9.7 ms → 差额是主线程排队，不是模型慢。
二、仍未解决的问题
A. 会直接中断本机一键流程（原三处，两处已在本机修复）
已修复（本机 2026-10-18，bash ml/pipeline.sh r4 连跑两次均 rc=0、pass=true）
- 探针页复用 detached tensor：
feat的分配移进run()（webapp/r4_probe.html）→ proxy=1 的两种配置均正常出数。 pipeline.sh7 处json.load(open(...))全部补encoding='utf-8'（:90 :110 :118 :127 :136 :138 :144）。- 附带发现并修掉：r4 分支末行
[ "$r" = null ] && echo在r=pass时整体返回 1，set -e+ EXIT trap 把通过的 r4 记成 rc=1（all会因此停）。已改为if ... then ... fi。
A-3 仍未修：&ortLocal=1 + 默认 proxy 必然失败。
ik-policy-glue.js 把 ort.env.wasm.wasmPaths 设为相对前缀 vendor/ort/，ORT 对 .mjs 走 import() 需要绝对说明符 → no available backend found. ERR: [wasm] TypeError: Failed to resolve module specifier 'vendor/ort/ort-wasm-simd-threaded.mjs'。README 明确支持的离线部署路径在默认配置下不可用。（ortLocal=1 + proxy=0 未测；wasmPaths 与 proxy 无关，大概率同样失败。）
B. 待实现方判断（数据已摆在上面；分歧按第五轮第〇节规则，以实现方为准）
B-1 R4 判据用哪个口径。 纯推理 P99 11.07 判通过；但同一台机、同一会话，整周期 plan = infer 61.6 + safety 248.8（P99），随机权重下 1/3 的规划 >100 ms。如果 R4 的意义是"浏览器能不能按 60 ms 周期推一次"，纯推理口径会放过实际丢步的配置。供下一轮的建议（不要求现在改）：r4.json 记两个数 infer_p99 与 plan_p99 = infer + safety，后者另设一条线（如 <45 ms，给 60 ms 周期留余量）。
B-2 safetyMs 两把尺。 bench 在 Node 里跑同一份 ik-policy.js（CPU EP），浏览器里同一段代码 p99 249 ms——互不可替代，与"仿真安全层 ≠ 部署运行时"是同一类问题换了个位置。判据：同一批贴柱题两边各测一次，差 >3× 就要解释。建议核对 certBudget=40 在贴柱位形下的实际查询次数与 makeCert 的 memo 命中率——249 ms 的量级不是"随机策略质量"能解释的；真模型是否不同未知。R9 至今无有效数据（探针只测纯推理；闭环丢步率因探针一运行 CDP 就拿不到执行槽而没采到——这本身是主线程拥挤的证据）。
B-3 WebGPU 是判定顺序里的备用通过路径，但至今零数据。 第五轮判定顺序写了"wasm 不过而 WebGPU 过，也判通过"，本机 headless 报 [webgpu] backend not found，且 CDN 间歇不可达（jsdelivr 多次 000、unpkg 200）→ 需要一条真能测到 WebGPU 的路（非 headless，或 A-3 修好后本地放 ort）。
C. 尚未实测（跑之前必须知道这些是空的）
- 第 6–13 步全部没跑过：train 只有 250 步吞吐冒烟；m5 / apg / mine / export / bench / accept 零实测；
all端到端从未完整跑通。一次完整流程机时下界约 15–28 h，其中 apg 2–4 h/轮、mine 6 轮都是估的。 - 3 mm 间隙过滤的真实剔除比例（
gapDrop）没测过：只测过沙箱 30 条（剔 9/29，不具代表性）；上表 p50 4.4 mm 是未过滤口径。生成后看stats.json的gapDrop。 - R2 新判据（
label_std_norm）的池无关性：需在 1.7 M 样本上--pool 50000与--pool 200000两跑、差 <0.02 才成立；没做。默认R2_STRICT=0只警告，开着就是一道未校准的闸。 - R8 出题耗时：沙箱 2 题 9 分钟没出完；本机未测（
policy_bench.json会记requested/genS，不足额时看警告）。 - Windows 侧生命周期全部未实测：关控制台黑窗口训练是否继续（
CREATE_NO_WINDOW）、/proc/$$/winpid+taskkill /T能否结束整树、Git Bash 自带timeout能否把 TERM 送到 python / node。 - 断点续跑的沙箱自测未在本机复核：gen 截断续写（「续写：已有 N 条」）、train STOP 存档（rc 143、
last.pt第 N 步）、apg--resume、prep 二次运行「待打包 0 个」。
D. 小遗留
webapp/models/README.md 过时：还写"由 --fp16 生成"、指向"第 8 步"（现为第 10 步、默认 fp32）。
三、第六轮已复核正常（不在问题清单里）
bash ml/pipeline.sh r4端到端：修完 A 组两处后连跑两次 rc=0、pass=true。- 锁：
r4阶段拿到ml/runs/pipeline.lock，结束已删。 - N-5 三处防护在位：查看器拒绝
random_init（提示&probe=1）、policy_bench.cjs拒绝、acceptance有"部署模型是训练产物"项。 enc_once运行时对接一致：只送 1 行特征（ik-policy-glue.js:52/ik-policy.js:344），旧模型回退[B,F]。r4导出：19.76 MB、enc_once=true、与 torch 对拍 2.2e-7。
四、建议顺序
A 组修复并重跑：已完成（本机 2026-10-18，rc=0、P99 11.25）。r4- 接着
FROM=gen TO=prep跑一次（数小时），拿gapDrop与 R2 两个口径的数——C-2 / C-3 随之消掉，B-2 的 Node 侧安全层数字可顺手从 m5 前的 bench 拿。 - B 组等上面的数字齐了再定；C-1 / C-5 / C-6 随第一次真跑逐项核对；A-3（离线 ort 加载）交给实现方。