Downloads · 30 days
0
andyjoecn/TrustMed-RL-v5r-resume-bundle
TrustMed-RL-v5r-resume-bundle is a machine learning model from andyjoecn. Use it for the machine learning task on the model card, and read the license before you ship it in a product.
在全新环境从零拉起 v0910(v5r)四臂 RL 实验所需的全部 artifacts 指针。
Downloads · 30 days
0
Access
Public
Updated Sep 11, 2026
Repo size
2.2 GB
Likes
0
Public
Click a slice to open those files.
.tar2 GB · 89%
From the Hugging Face model README
在全新环境从零拉起 v0910(v5r)四臂 RL 实验所需的全部 artifacts 指针。
b200-package-20260910 @ Trustmed-RL/TrustMed-RL (grpo_gigpo_code.tgz);本 repo 也存一份 grpo_gigpo_code.tgz见 GH repo docs 或 B300_RL_DEPLOYMENT.md。关键: sm_103/GB300 三件套、patch_fork.py 换代码后必打、ray_init.num_cpus=32、MAX_PROMPT_LEN=15360(v0910已默认)、FLAG_HALT_SHARE=0.10。 判分需 OpenAI key 有额度(judge gpt-4.1-mini,~$6/臂/30步)。
四臂 v0910 均在 step 21-31 因 collapse: kl_jump 终止,best_value 0.27-0.32。诊断: ppo_kl≤0.005/clipfrac≤0.007(更新稳),kl_loss 自然漂移到 0.10-0.12 被 kl_jump(base0.10) 误判。建议放宽 KL_JUMP_BASE→0.30 或 MAX_COLLAPSES=1 重跑。best 回退 SFT(无训练权重保留)。