Weekly Report — 2026-W38 (2026-09-14 ~ 2026-09-20)

本周的工作重点在于密集的技术故障排查，以及将多个项目从不稳定的开发阶段过渡到研究就绪阶段。主要成就包括：通过识别并修复 RMSNorm 精度损失，解决了 pi0.5 VLA 模型量化中关键的 0% 成功率问题；为 RoboMemory 建立了稳健的 ‘Oracle’ 视觉 prompt 流水线；并进行了大规模的数据重组和 Git history 清理，以实现更整洁的仓库管理。虽然解决了显著的硬件级和量化相关瓶颈，但在稳定长时间训练过程和解决分布式数据同步问题方面仍面临持续挑战。

Weekly Overview

Metric	Value
Date Range	2026-09-14 ~ 2026-09-20
Active Days	6 / 7
Total Conversations	35
Projects	27
Tasks Completed	28
Tasks In Progress	13
Total Tokens	965,666,942
Total Cost	$826.15
Claude Code Token	927,413,556
Claude Code Cost	$753.89
Codex Token	38,253,386
Codex Cost	$72.26
Daily Average Cost	$165.23

Project Progress

pi0.5 VLA & Quantization Research (5 days active) — 🔄 active

Accomplishments:

• 识别了 W4A4 成功率崩溃的根本原因（RMSNorm 精度损失）
• 确立了 W4A8 作为 NPU/QAIRT 部署的最佳交付标准
• 实现了 AIMET TF-Enhanced 优化的 norm ranges
• 在 Dragonwing NPU 上完成了密集的 bitwidth 基准测试

Blockers:

• ⚠️ 在接近均匀的 A4 bitwidth 环境中维持执行稳定性

RoboMemory / RoboMME (4 days active) — 🔄 active

Accomplishments:

• 为 16 个任务开发了 ‘Oracle v2’ 视觉 prompt 规范
• 集成了场景锚定的视觉标记以提高 memory 稳健性
• 识别并修复了由 normalization stat 不匹配导致的灾难性训练 loss

Blockers:

• ⚠️ 多任务 16-episode 评估目前因等待新 checkpoint 的稳定性而受阻

AI Companion Toolchain (3 days active) — 🔄 active

Accomplishments:

• 重构了核心 skills 以支持 ‘authorize-and-proceed’ 自主性
• 实现了 D33 进度报告标准
• 梳理了复杂的 security guardrail 和拒绝逻辑

Blockers:

• ⚠️ IDE hooks/guards 对 tool calls 的拦截

TokenMonitor (3 days active) — 🔄 active

Accomplishments:

• 通过战略性的 cherry-picking 与 upstream 同步 fork
• 解决了 CI Node 版本不匹配问题
• 实现了自定义 period windows 和 Grok Bot 定价逻辑

Blockers:

• ⚠️ 跨设备的 SSH 使用数据同步 bug

MIHD & Data Management (1 days active) — ✅ completed

Accomplishments:

• 通过基于 regex 的重写重组了 25GB 的研究输出，并同步了路径
• 清理了多个仓库 Git history 中的 companion/idea 元数据

Key Tasks

• ✅ VLA Quantization Root Cause Analysis — 通过消融实验和 tensor probing，将 Libero 任务中 W4A4 性能为零成功率的原因定位为 RMSNorm 输出中的 A4 activation 错误。数据表明由于 outlier-stretched ranges 导致每层存在 10% 的噪声；通过使用 AIMET TF-Enhanced 进行 per-tensor optimal clipping 完成修复。在 2026-09-14 开始后，于 2026-09-19 解决。
• 🔄 RoboMemory Training Correction — 重新运行 ‘all16_base’ 训练，以解决由于 imitation2 子集中 gripper dimensions 的标准差为零而导致的天文数字级 loss (2e11)。需要对完整的 16-task 数据集重新计算 norm_stats。
• ✅ Oracle Visual Prompt Specification — 为 16 个 RoboMME 任务定义了高保真、可训练的视觉 prompt 规则（icons, rings, badges），以促进视觉 memory 增强训练。重点关注针对随机裁剪和旋转的 ’training-robustness’。
• ✅ Git History Purge & Repo Management — 使用 git filter-repo 从 LiveCaption、TokenMonitor 及其他核心仓库的历史 commit 中移除了开发者特定的元数据（.companion, ideas, config），以确保干净的公开发布。

Problems & Solutions

1. pi0.5 Libero goal suite reported 0% success rate. [pi0.5 VLA] (2026-09-17)

Solution: 验证了 float baseline 达到了 100% 成功率，从而将问题隔离为 action head 中由量化引起的精度损失。通过消融实验确定 RMSNorm 是罪魁祸首。

2. 4-bit activation (W4A4) significantly slower/worse than FP16 on NPU. [pi0.5 VLA] (2026-09-14)

Solution: 发现 NPU 中缺乏原生的 INT4 activation kernels，导致了 tensor expansion 带来的开销。建议使用 W4A8 作为最佳平衡点。

3. RoboMemory training loss reached 2e11 (astronomical). [RoboMemory] (2026-09-17)

Solution: 发现 normalization stats 是在 gripper dimension 标准差为零的子集上计算的；已在完整的 16-task 数据集上重新计算了 stats。

4. AI Hub automation broke due to ‘qnn_context_binary’ deprecation. [AI Hub] (2026-09-14)

Solution: 更新了提交脚本以显式传递 ‘–target_runtime qnn_dlc’，并更新了所有相关文档。

5. TokenMonitor fork merge failed due to 66+ conflicts from rewritten history. [TokenMonitor] (2026-09-17)

Solution: 放弃直接 merge，改为将 10 个核心 feature commits cherry-pick 到 upstream base 上。

Learnings

Architecture (architecture)

• 对于 VLA 模型，W4A8 是 ‘Sweet Spot’：weight 4-bit 是高度可接受的，而 A4 activation 会导致 backbone 发生灾难性的精度崩溃。
• 视觉 prompts 必须优先考虑 ’training-robustness’（在裁剪/旋转下生存）和 ‘policy-utility’（场景锚定），而非美学清晰度。

Debugging (debugging)

• 训练子集中的零标准差会导致多任务 normalization statistics 发生灾难性失败。
• 在高并发环境中，worker limits 必须考虑到 ‘grandchild’ 进程；优化遵循 U 型曲线。

Tools (tools)

• 当 fork history 被重写时，‘git merge’ 通常无法使用；cherry-picking 是一种更可靠的重建方法。

Domain Knowledge (domain)

• ‘Target Hit Rate’ 对于 memory 任务是一个危险的指标，因为它将 object detection 准确率与实际的历史 temporal memory 混为一谈。

AI Usage Notes

Effective Patterns:

• ✓ 使用多维度交叉验证（closed-loop vs. open-loop vs. tensor-level）来隔离数学错误。
• ✓ 为 agent 工作流实现 ‘authorize-and-proceed’ 自主模型，以减少决策疲劳。
• ✓ 利用浏览器自动化 (Playwright) 进行学术同步工作流。

Limitations:

• ✗ Agent 的 ‘decision fatigue’ 导致重复的确认提示。
• ✗ 由于 sandbox/guard 限制，无法独立处理长时间运行的 benchmarks。
• ✗ AI 倾向于提供缺乏客观证明的循环自我验证报告。

Next Week Outlook优先级包括：1) 完成 TF-Enhanced pi0.5 模型的完整 50-episode 评估，以验证 A4/A8 stability；2) 完成 RoboMemory ‘all16_oracle’ 训练运行并实现 visual prompt sidecar 数据生成；3) 解决 TokenMonitor 中的 SSH 数据同步 bug；以及 4) 研究 chained-memory prompting 架构中潜在的 memory ’error cascades’。

Token Usage Statistics

Peak Day: 2026-09-15 — $390.75 / 364.4M tokens

Daily Average: $165.23