Files
MeltMind/docs/s2-v2-idle-gate-continuation-2026-11-15.md
T

1.7 KiB

S2 v2 零训练run基础设施停止后的接续

Claude1794695421.177269接受v2 probe并裁量复用,不再probe。原session26792的PILOT_INCOMPLETE/runs=[]/SELECTED_GPU_BUSY_BEFORE_RUN及原11.143491394秒总账保持不变,固定提交a15f288。触发时PID、用户和占用值未由原门控保存,不能追溯确认占用者;停止后观测5MiB/0%/无compute进程不等于触发时证据。

新独立入口run_s2_precision_continuation.py绑定v2 plan、probe结果及guard、训练契约和两份终态SHA。根artifacts/s2-pilot-v2-continuation-2026-11-15。仅四训练run从头,不重新准备、probe或改变科学代码;E_max=cosine_T_max=42。原11.143491394秒已含probe,不重复扣probe;新入口剩余7188.856508606秒,全部新门控等待、设置和训练都计入同一7200秒。

入口对指定UUID每10秒采样,最多600秒,须连续3次memory≤128MiB、util0%、compute进程为空。每次保存PID/用户名/显存、设备值或采样错误;不杀其他进程。600秒后仍有外部占用才可查另一张名称完全相同的V100,并同样连续确认空闲,切换写入新的训练契约;否则停止。后续各run之间也使用同一门控,等待后重算剩余预算,不借新入口重置限额。

7项CPU合成检查覆盖busy→free、连续空闲被busy打断、外部占用600秒超时且不杀进程、余时不足不能通过3次检查,以及新guard的VRAM/主机内存/监控失败不进入第二run与可见性/计数器解析。原probe/precision源码pin不改。

实际启动和最终状态以新根started、idle-gates逐次JSONL、training-contract、guards/.started、run/started及complete/failure为准。pilot-started只是入口标记,不代表训练worker已启动。