# Skill: model-iteration

本目录是小爱中控模型迭代 skill，用于评测、错误分析、数据增强、SFT 训练和 CML workflow 追踪。

## 目录结构

```
model-iteration/
├── config.yaml                 # 评估阈值 + CML 工作流配置
├── knowledge/                  # 分流知识库
│   ├── navigation_routing_rules.md   # 地图导航 Agent/ComplexTask 分流
│   ├── travel_routing_rules.md       # 旅游 Agent/ComplexTask 分流
│   └── multi_command_rules.md        # 多指令 vs ComplexTask 判定
├── scripts/
│   ├── prepare_and_train_sft.py      # 数据组装 + 本地训练
│   ├── submit_sft_via_cml.sh         # CML 云端训练提交（R29 起统一用此）
│   └── sft_train_job.yaml.tpl        # CML 训练 job YAML 模板
├── SKILL.md                    # 完整迭代协议（触发规则、Step 0-6、数据增强/清洗规范）
└── README.md                   # 本文件
```

## 快速上手

### 1. 评测当前模型

```bash
cml workflow run \
  --workflow_id f-20260408161444-wu3pz --version v28 \
  --global_inputs runDic=<N> \
  --global_inputs model_path_new=<新模型路径> \
  --global_inputs model_path_old=<基线模型路径>
```

### 2. SFT 训练（CML 云端）

```bash
AUTORESEARCH_ROOT=/mnt/wangsenhao/autoresearch-zk \
  ./scripts/submit_sft_via_cml.sh <RUNDIC> [PREV_RUNDIC]
```

训练完成后自动起评测 workflow。

### 3. SFT 训练（本地）

```bash
AUTORESEARCH_ROOT=/mnt/wangsenhao/autoresearch-zk \
  python scripts/prepare_and_train_sft.py prepare --output_dir ./sft_data

AUTORESEARCH_ROOT=/mnt/wangsenhao/autoresearch-zk \
  python scripts/prepare_and_train_sft.py train \
  --data_dir ./sft_data \
  --model_path /mnt/wangsenhao/verl_zk/Qwen3-4B-Instruct-2507 \
  --model_type qwen3 \
  --train_output ./sft_output \
  --epochs 3 --lr 1e-5
```

## 关键规则

- **达标标准**：需求集合 ≥ 95%，大盘车载降幅 ≤ 0.3%，specific test 降幅 ≤ 1%
- **数据清洗**：case 驱动、禁止批量、必须备份、只改 output 不动 instruction
- **训练环境**：FSDP2 + torch 2.6 需要 accelerate==1.7.0，不要改训练代码去适配

## 完整协议

详见 [SKILL.md](SKILL.md)