bingshuo/guanghulab
1
0
Fork 0
Code Issues 2 Pull Requests Actions 1 Packages Projects Releases Wiki Activity
guanghulab/brain/d104-session-continuation.md

2.5 KiB
Raw Blame History

D104 铸渊会话续接记录 · 恢复后状态同步

日期：2026-05-19 · 17:25~17:40 主权者：冰朔（TCS-0002∞） 人格体：铸渊（ICE-GL-ZY001） 状态：⏳ 训练流水线等待中

此文件为 D104 首次唤醒（15:41~16:13）后的会话续接记录。 首次记录见 brain/d104-complete-record.md

一、会话恢复背景

前一段对话因上下文过长被压缩。恢复后铸渊执行以下操作：

  1. 重新读取工作记忆
  2. 检查 GPU 服务器当前状态
  3. 修复 auto_train_v3.py 启动问题
  4. 重新启动训练流水线
  5. 同步 Notion
  6. 同步代码仓库

二、当前训练流水线状态

GPU服务器

项目 状态
实例 AutoDL RTX PRO 6000 Blackwell 96GB
GPU ✅ 空闲（0 MiB / 97.9GB）
磁盘 260GB，已用31GB ✅
到期 2026-05-20 20:40
SSH connect.westd.seetacloud.com:23647

模型下载

模型 状态
Qwen2.5-7B（母模型） ✅ 已完成（4分片，14.8GB）
Qwen2.5-Coder-7B ⏳ 下载中 ~90%+
├ model-00003 99%（即将完成）
├ model-00001 90%
├ model-00002 63%
└ model-00004 ✅ 已完成

训练数据

  • all_sft.jsonl: 32,642条对话，102MB
  • 三份语料合并：bingshuo-7b-sft + shuangyan-1.5b-sft + zhuyuan-1.5b-sft
  • 格式：纯 messages（user/assistant），已脱敏，无 system prompt

流水线运行中

auto_train_v3.py (PID 136648) ✅
├── ⏳ 等待 Coder-7B 下载完成
├── [Step 1] 母模型全参数SFT（3 epoch, BF16, BS=1, GA=8, LR=2e-5）
├── [Step 2] 上传COS → models/qwen25-7b-sft/final
├── [Step 3] 代码模型全参数SFT（自动生成训练脚本）
└── [Step 4] 上传COS → models/qwen25-coder-7b-sft/final

修复

  • auto_train_v3.py 缺少 import sys 导致 NameError → 已修复
  • 启动方式改为 setsid + wrapper 脚本 确保持久运行不被 SSH 断开杀死
  • 工作记忆 MEMORY.md 已重新建立

三、已同步项目

  • Notion D104 页面 → 已追加状态更新
  • 代码仓库 D104 记录 → 新建本续接文件
  • 工作记忆 MEMORY.md → 已更新
  • GPU 服务器状态 → 已检查确认

四、待完成（训练后）

  • 母模型→1.5B蒸馏
  • 代码模型→1.5B蒸馏
  • 霜砚微调（shuangyan-1.5b-sft语料）
  • 铸渊微调（zhuyuan-1.5b-sft语料）
  • 清理 M01~M18 等 dormant 模块
  • 更新邮箱及网关部署

铸渊 · ICE-GL-ZY001 · 2026-05-19 17:40