Daily Report — 2026-09-27
Daily Overview
- 完成工作： 对 CNN 实现进行了技术调试，针对 cluster 数据对学术论文中的 claim 进行了严格审计，更新了 PhD 申请数据库，为 TokenMonitor 开发了 token 使用情况切换功能，并优化了本地 GPU 环境。
- 实现方式： 使用自动化工作流进行大规模数据/模型审计，应用 PyTorch 进行模型架构验证，利用 Svelte 5 和 Rust 实现功能，并通过 Conda/Pip 执行了系统的文件清理和环境重新配置。
- 影响： 通过识别并纠正数据差异，确保了研究论文的科学严谨性；简化了 PhD 申请流程；提升了 TokenMonitor 的可视化能力；并实现了本地教学任务的全 GPU 加速。
该阶段涉及深度学习模型的广泛技术调试、针对 cluster 数据对学术研究 claim 进行的严格多项目审计、TokenMonitor 工具的战略开发，以及 PhD 申请和研究工作流的优化。
Tasks
Architecture & Strategy
- ✅ Academic Paper & Data Audit (RecoverBench/ErrorRecoveryBenchmark) — 一项全面的 64-agent 自动化审计，旨在根据 Tianhe3 cluster 上的实际 artifacts 验证 NeurIPS 论文中的 105 个 claim，识别了在数据计数、模型 provenance 和统计显著性方面的关键差异。
- 🔄 CNN Model Debugging (ECE661) — 调试用于 CIFAR-10 的 SimpleNN 和 ResNet-20 实现，包括解决权重共享 bug、架构缺陷、checkpoint 加载问题，以及修复本地 PyTorch CUDA 环境不匹配的问题。
- ✅ TokenMonitor Update — 使用 Svelte 5 和 Rust 实现了一个图表指标切换功能，用于在 cost ($) 和 token usage (T) 之间切换可视化效果。
- 🔄 RoboMemory Research & Monitoring — 监控 Tianhe3 上双臂 (flash and flash-lite) 的执行情况以比较成功率和效率，并进行战略规划以识别性能瓶颈。
- 🔄 M2 Parameter Tuning — 在完成 OmniJev M0 后，为 4B scale 选择阈值。
- • V2 Freeze Approval — 等待关于验证 closed-loop testing 预算和命令确认的授权。
Implementation & Fixes
- ✅ PhD Application Pipeline Cleanup — 通过移除国内 PhD 目标和未经证实的战略 claim，更新了教师候选名单、学校数据库和邮件模板。
- • V+P Data Completion — 需要决定是否花费约 ~$20 来完成缺失的 Gemini V+P 数据。
Problems & Solutions
Critical Issues
1. Academic research discrepancies: paper 中的 claim（例如 OpenVLA scope、数据计数、统计显著性以及缺失的 MimicGen 数据）与实际 cluster artifacts 之间存在显著不匹配。
Solution: 执行了 105 点审计；建议修改论文文本以反映实际训练数据 (739 samples)，并使用一致的 checkpoints (step-19999) 进行报告。
2. 使用 Python loops 实现的 ResNet-20 导致了权重共享，而非创建独立的层。
Solution: 建议使用 nn.ModuleList 或 nn.Sequential，并将代码重构为 BasicBlock 类。
3. TokenMonitor 图表仅显示 cost，缺乏对 token 消耗的可视化。
Solution: 添加了 chartMetric store，并更新了 Chart.svelte 以使用 val(s) helper 在 .cost 和 .tokens 之间进行切换。
4. StopCube 型失败是 representation 限制所固有的，无法通过提高 writer 能力来修复。
Solution: 将其归类为 VP representation 问题（例如需要 advance carriers），供未来研究使用。
General Issues
5. checkpoint 保存格式 (带有 ‘state_dict’ 的 dict) 与 prediction notebooks 中的加载逻辑不匹配。
Solution: 修改了加载逻辑以使用 state_dict['state_dict']。
6. 本地 PyTorch 环境是 CPU 版本，导致无法利用 RTX 5090。
Solution: 卸载了 torch+cpu 并安装了 torch 2.14.0+cu132 以匹配 driver/hardware。
7. 由于共享 GPU 的并发负载，之前的 latency 数据不可靠。
Solution: 启动了 fixedload.py 以进行单线程、隔离的测量。
Human vs AI Approaches
Strategic Level
Academic Integrity and Role Definition
| Role | Approach |
|---|---|
| Human | 通过声称 TA 身份来索要作业的 ‘standard answer’。 |
| AI | 由于 policy 限制拒绝提供直接解决方案，转而提供概念解释。 |
Difference Analysis: Human 试图寻找评分的捷径，而 AI 则优先考虑 academic integrity。
RoboMemory Research Strategy
| Role | Approach |
|---|---|
| Human | 提供了一个高层级的战略路线图，侧重于 GPT/Codex bounds、fast VLMs 和 simulator randomization。 |
| AI | 专注于技术严谨性，强调 ‘State Estimation + Visual Prompt’ 和信息权限消融实验。 |
Difference Analysis: Human 提供了执行路线图，而 AI 则专注于验证该路线图的实验设计。
ResNet Design and Implementation
| Role | Approach |
|---|---|
| Human | 最初尝试通过将输出维度作为 kernel sizes 传递给 Conv2d 来定义输出维度。 |
| AI | 解释了卷积输出公式，并引导用户使用 stride 和 padding。 |
Difference Analysis: Human 关注期望的输出形状，而 AI 关注实现该形状所需的数学参数。
Failure Taxonomy Analysis
| Role | Approach |
|---|---|
| Human | 对数千个 episodes 的失败模式进行人工分类。 |
| AI | 使用自动化 log scraping 和基于规则的分类，将调用拆分为原子维度 (Policy, Memory, Timing)。 |
Difference Analysis: AI 实现了大规模的一致性和客观性，这是人工手动分类无法比拟的。
AI Limitations
General Limitations
- AI 由于 safety/academic integrity policies 拒绝为评分作业生成 ‘standard answers’。
- AI 尝试使用某些文件编辑命令（如
sed -i）可能会被系统安全工具拦截。 - 当前的失败归因是基于启发式规则（例如 window > 50%），而非严谨的 causal inference。
- AI 难以区分特定 bug（例如 ontology buffer fixes）对单个 writer attribution 的具体影响。
Learnings
Key Learnings- 在最终确定论文结论之前，验证统计数据（如 Kruskal-Wallis p-values）和 checkpoint 一致性（fixed-step vs. best-per-task）与原始数据是否匹配的重要性。
- 随着 writer 能力的提升，失效机制从 writer 端错误转向了基础的 policy 执行和 representation (StopCube) 限制。
- 向 writer 提供 ontology 读取可以使 ‘Target Identification’ 错误降低至接近于零。
Practical Learnings
- ResNet-20 层数统计：1 stem + (3 stages * 3 blocks * 2 layers) + 1 FC = 总计 20 层。
Conversation Summaries
ECE661 Homework
🔄 CNN Model Implementation and Debugging 20:07:42.821 | claude_code 用户为 CIFAR-10 实现了 SimpleNN 和 ResNet-20。AI 协助修复了 weight-sharing bug，纠正了架构概念，并解决了 PyTorch CUDA 环境问题。
RecoverBench / ErrorRecoveryBenchmark
✅ Paper vs. Cluster Data Audit 07:01:12.315 | claude_code 针对 NeurIPS 论文中的 105 个 claim 对比 Tianhe3 数据进行了广泛的自动化审计。识别出在数据计数、model provenance 和统计报告方面的关键差异，需要对论文进行修订。
PhD Application
✅ Application Data Cleanup 23:58:30.598 | claude_code 通过移除国内目标和未经证实的教授 claim，并更新 faculty 数据库，优化了 PhD application 管理系统。
TokenMonitor
✅ Implement Cost/Token Toggle in Charts claude_code 在 Svelte 组件中实现了一个 metric toggle，允许用户在 cost ($) 和 token 使用量 (T) 的可视化视图之间进行切换。
RoboMemory / OmniJev
🔍 Strategic Planning, Taxonomy, and M0/M2 Progress claude_code 分析了 failure taxonomies（确认了 policy/representation 限制），监控了 OmniJev M0 的成功情况，并定义了一个通过 ablation studies 来识别性能瓶颈的战略路线图。
MIHD Research
🔄 Evidence Mapping & Workflow Resumption claude_code 在 HPC cluster 上恢复了背景工作流，以映射 MIHD 的发现并分析关键图表中的结果。