A100 高保真证据晋级

本页记录 2026-08-28 的真实 checkpoint 三 seed 实验。目标是把能在公开数据和固定模型 revision 上运行的候选接入 Evolve，而不是保证每个方法都产生正收益。所有实验在单卡 NVIDIA A100 上完成；仓库只保存命令、公开 revision 和标量指标，不保存模型权重、 缓存、原始生成或机器标识。

统一协议

• seed 固定为 42,43,44，每个 seed 都从同一公开 base checkpoint 重新加载并独立训练；
• validation 只负责选择 checkpoint 或训练配方，固定 test 不参与选择；
• 报告均值、样本标准差和 95% 置信区间；无稳定提升时保留负结果；
• 指标产物进入 Evolve 时只作为 proposal prior，当前 evaluator 必须重新训练和评分。

结果

方向	公开模型与数据	主结果	结论
多模态特征蒸馏	SmolVLM2-256M + CLIP ViT-B/32；POPE/COCO 320 train / 160 test	CKA 0.3494 → 0.3466；neighbor overlap@5 0.2642 → 0.2596	无稳定提升；退化的标签计数 kNN 已禁用
Agent Lightning policy bridge	SmolLM2-135M-Instruct；9 个互斥代码任务族	test joint success 0.5000 → 0.5000	训练桥可执行，但不构成 SWE-bench 泛化证据
DPO	SmolLM2-135M-Instruct；UltraFeedback 64 train / 24 test	preference accuracy 0.3333 → 0.3333；margin -49.0417 → -48.8472	accuracy 未翻转；margin 的 CI 不支持稳定收益
ORPO	同上	preference accuracy 0.3333 → 0.3333；margin -49.0417 → -48.3889	accuracy 未翻转；margin 改善仅限该小样本预算

机器可读产物：

• MLLMCLIP 三 seed
• Agent Lightning 三 seed
• DPO / UltraFeedback 三 seed
• ORPO / UltraFeedback 三 seed

脱敏 GPU 凭证：MLLMCLIP、 Agent Lightning、 DPO 与 ORPO。

为什么仍接入 Evolve

一次固定小预算的负结果可以排除“直接照搬就一定有效”，却不能排除该结构在不同数据、 学习率、层数或组合方式下有效。因此产物只把对应 operator 放入候选队列前部；Evolve 仍用当前任务的 validation/test 协议重新判断。这样既复用已实现论文机制，也不会把旧 实验的数字偷渡成新任务效果。