模型训练与评测
—模型 / 实验代号
—已有评测结果
—计划或进行中
ASIBench统一主评测集
iter、训练起点和数据规模均独立展示；评测统计默认采用 600 对逐轮配对主口径。自动训练记录：正在连接…
| 代号 | 说明 | 底座 | 训练起点 | 最终 iter | 训练数据 | 训练规模 | Checkpoint | 评测 | 均分 | Δ Base | 95% CI | p-value / 显著性 | 训练状态 | W&B | 模型状态 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 载入中… | |||||||||||||||
记录数、token 口径与重复率分开记录；路径名中的 500k 不再视为数据条数。
| 数据代号 | 用于 | Train | Validation | 组成 | Token / 筛选口径 | 重复率 | S3 路径 | CPFS 路径 | 备注 |
|---|
推理评测的不可变 200 实例基线；以归档内实际目录为准，不按 seed × task 重新生成。
| # | Seed 目录 | Task ID | 完整 Instance ID |
|---|---|---|---|
| 载入中… | |||
ASIBench 200 task × 3 replicate；完整评测统计与轨迹资产统一展示。每套目录同时保存 canonical-manifest.json 和 SHA256SUMS。
| 模型 | Checkpoint | 评测 | 均分 | Δ Base | 95% CI | p-value / 显著性 | Tasks | Runs | 归档大小 | S3 轨迹包 | Manifest | 校验和 | 验收状态 | 备注 |
|---|
G2 2.5E 推理固定 ASIBench 200×3 配置和 checkpoint
G2-D 训练已完成至 iter48；最终权重已上传 S3，485 个对象完整核验
G2-DW 第一阶段约 1 epoch，最终 iter72；第二阶段实际选择 iter62 作为父权重
G2-DW 第二阶段从 iter62 新增 1 epoch，已完成至 iter135；累计约 1.866 epoch
G2-DW 推理下一步：评测 Worker 增量，并与 G2-D、G3 比较