跳转至

179 复现运行手册

更新时间:2026-08-31。本文用于多个 Codex 共享 179 时协调实验;动态状态始终以 gpu-remote-179.task_list、gpu_info 和任务日志为准。

已知环境基线与动态状态

历史任务号、当前空闲 GPU、恢复任务和占位进程不能由静态文档担保。每次提交前都重新查询 task_list(running) 与 gpu_info,并以 scripts/run-locked-179.sh 的锁后复检为最终判据;不要因为本页曾记录“空闲”或“仍在运行”而跳过现场检查。

主机的稳定约定是:代码位于 /root/workspace/code/genrec,Python 环境位于该目录的 venv,模型必须从 AFS 备份恢复到本地 /root/workspace/models_hub/ 后使用。Amazon 原始数据、模型分片和 checkpoint 仍需在每次 run 前核验存在性、大小与 checksum。已知低显存 hold.py 进程可由包装器识别并自动避让;其他具名或超过阈值的 CUDA 进程一律视为占用,不能擅自终止。

开跑门槛

以下条件必须全部满足:

  1. 所需模型在本地 models_hub/,配置和全部权重分片可读取,禁止直读 AFS。
  2. 数据集与目标 checkpoint 已恢复,并记录来源、大小和校验和。
  3. 用 ./upload.sh 上传源码,按输出命令应用;远端核心文件与本地 SHA256 一致。
  4. task_list(running) 无重复实验,目标卡在 gpu_info 中无未知 CUDA 进程。
  5. 任务同时通过 scripts/run-locked-179.sh 获取 cell、GPU 和源码共享锁。
  6. 单 batch smoke test 通过后才放大到完整训练或评测。

数据准备等 CPU-only 任务也必须占用唯一 cell:

scripts/run-locked-179.sh --gpus none \
  --cell data.amazon2014.raw.prepare -- \
  venv/bin/python scripts/prepare_amazon2014.py --splits beauty sports toys

任务命名与提交

  • MCP task 名:genrec:<model>:<split>:<protocol>:s<seed>:<purpose>。
  • cell ID:<model>.<split>.<protocol>.s<seed>.<purpose>。
  • 一个 task 只负责一个矩阵 cell;不要把多个不透明实验塞进同一长任务。
  • 输出固定为 out/matrix/{protocol}/{model}/{split}/seed{seed}。

示例(仅在 GPU 2 确认空闲后):

scripts/run-locked-179.sh \
  --gpus 2 \
  --cell sasrec.beauty.global_temporal.s42.train \
  -- venv/bin/python -m genrec.trainers.sasrec_trainer \
  config/sasrec/amazon.gin --split beauty \
  --gin 'AmazonSASRecDataset.evaluation_protocol="global_temporal"' \
  --gin 'train.seed=42' \
  --gin 'train.save_dir_root="out/matrix/global_temporal/sasrec/beauty/seed42"'

MCP task_submit.gpu 必须与 --gpus 使用相同物理卡号。包装器在拿到 OS 锁后 再次检查 CUDA 进程,因此两个 Codex 同时观察到空卡时也只有一个能启动。

复现顺序

P0:旧 checkpoint 诚实重评(零新训练)

先盘点并恢复 OneRec v2b/v2/GRPO、TIGER、LCRec、COBRA checkpoint。以现有 leave-one-out 设置直接重评:headline 只取 item-level Recall/NDCG,SID 指标仅作 碰撞诊断。先 Beauty 单 cell 验证新旧差值,再扩到 Sports/Toys/Home。该阶段用于 填回 README 被暂时撤下的生成式结果,不得把历史 SID 分数混入新表。

P1:评测协议基线

在 Beauty/Sports/Toys 上先跑 SASRec、HSTU:

  • protocol:leave_one_out、global_temporal;
  • seed:42、43、44;
  • 共 2×3×2×3 = 36 cells。

这一步验证数据切分、结果隔离和聚合链路。若同 seed 的样本数或 target 集不一致, 先停下修协议,不启动昂贵生成式模型。

状态(2026-08-30):36/36 cells 已完成;全部为 item-level,且每个 model × split × protocol 组都有 seeds 42/43/44。三 seed 汇总已写入 BENCHMARKS.md。

P2:非 LLM 生成式矩阵

按 TIGER → COBRA → RPG 顺序跑同样的 3 split×2 protocol×3 seed。下游三个 seed 固定使用同一个已验证 tokenizer artifact,以隔离 recommender 训练方差;tokenizer seed、碰撞率、利用率单独记录。

P3:LLM 与 RL

先 LCRec、OneRec-SFT 各跑 seed 42,确认 item-level 指标、显存和耗时,再扩到三 seed。GRPO 最后作为 SFT checkpoint 上的增量消融;保持既定 reward 语义,不把 SID reward 当评测指标。NoteLLM 已有 full-catalog I2I evaluator,但当前 trainer 主要接通 GCL 路径、checkpoint 也不是自包含 artifact;完成数据/目标对齐与复现审计 前仍只列实验结果,不与 next-item 主表直接横比。

验收与聚合

  • results.json.extra.evaluation_level 必须为 item。GRAM 当前输出尚缺该字段,修复结果契约前不得送入严格矩阵聚合。
  • config.evaluation_protocol 必须存在;LOO 与 temporal、SID 与 item 不得混组。
  • 保存代码 SHA、数据版本、tokenizer/checkpoint 路径、seed、碰撞统计和任务 ID。
  • results.json 必须同时有 git SHA 和精确的 upload bundle SHA256;dirty worktree 下不能只用 git SHA 作复现标识。
  • 用 scripts/aggregate_results.py 生成矩阵表;缺失 cell 显式列出,不以旧结果补齐。