Official Codebase of 3DCodeVerse
Python
eval: after the runaway is trained out, greedy beats sampling again
gaoypeng6ba733ed4294
diff --git a/finetune/docs/REPORT.md b/finetune/docs/REPORT.mdindex 81057038..0a030a6b 100644--- a/finetune/docs/REPORT.md+++ b/finetune/docs/REPORT.md@@ -114,7 +114,9 @@ OpenSCAD 和 three.js 的问题不是训练方法,是**语料里只有一千跨批次(隔几小时)可达 6–8pp。**可比的条件是同一次会话内连续跑完**,不只是"同一个脚本"。我曾用一个没验证的 ±2pp 猜测把真实信号也否掉了。-**4.4 长输出方言必须同时报贪心和采样。** 只报贪心正是让第 3 节那个缺陷藏了整个项目的原因。报告里此前所有 OpenSCAD/GLSL/three.js 的贪心数字都系统性低估了真实能力。+**4.4 长输出方言必须同时报贪心和采样——但两者的优劣会随修复而反转。** 只报贪心正是让第 3 节那个缺陷藏了整个项目的原因,此前所有 OpenSCAD/GLSL/three.js 的贪心数字都系统性低估了真实能力。++但 stop-DPO 之后情况变了:三个修复过的模型在 three.js 上**贪心明显好于采样**(75.0% vs 42.5%、72.5% vs 52.5%),而 OpenSCAD 仍是采样更好。所以准确的建议是——**失控未修时用采样绕过,修好之后用贪心**;采样对一个不会失控的方言只是引入噪声。这也是"修好了"与"绕过去了"之间可观测的区别。---