TI Coding Agent Training Probe

这个仓库用于复现一组 coding-agent SFT probing 实验：从 ModelScope 下载已经构造好的 Open-SWE-Traces probe 训练/验证数据集，下载 Qwen3.5-9B 和 Qwen3.6-27B，然后用 ModelScope-SWIFT 依次跑四个 1 epoch 训练任务。Hugging Face 数据源仍保留为 fallback。

目录

• third_party/modelscope-swift/: ModelScope-SWIFT submodule。
• scripts/setup_env.sh: 一键创建 repo 内 .venv 并安装本项目和 SWIFT。
• scripts/download_dataset.py: 下载 ModelScope 或 Hugging Face 数据集并解压 train.jsonl、validation.jsonl。
• scripts/download_models.sh: 下载 Qwen3.5-9B 和 Qwen3.6-27B 到 models/。
• scripts/train_qwen35_9b_lora.sh: Qwen3.5-9B rank=32 LoRA。
• scripts/train_qwen35_9b_full.sh: Qwen3.5-9B bf16 full SFT。
• scripts/train_qwen36_27b_lora.sh: Qwen3.6-27B rank=32 LoRA。
• scripts/train_qwen36_27b_full.sh: Qwen3.6-27B bf16 full SFT。
• scripts/run_all_experiments.sh: 按 LoRA 9B -> full 9B -> LoRA 27B -> full 27B 的顺序执行完整实验。
• runs/: TensorBoard 日志目录。
• logs/: 训练 stdout/stderr 和实际命令记录。
• outputs/: checkpoint 和最终模型权重输出目录。
• data/: 下载后的训练和验证数据，默认不进 git。
• models/: 下载后的 base model，默认不进 git。

环境部署

在 B300 上使用：

cd /ssd/workspace/yi/ti_coding_agent_probe
git submodule update --init --recursive
./scripts/setup_env.sh

脚本会显式设置 B300 代理和国内 PyPI 源：

http://100.72.0.101:8888
https://mirrors.aliyun.com/pypi/simple/

Python 依赖安装在仓库内 .venv，不会写入系统 Python。安装逻辑是：

1. 先在 .venv 内安装 uv。
2. 用 SWIFT 官方推荐的 uv pip install -e third_party/modelscope-swift --torch-backend=auto 安装 SWIFT 源码依赖。
3. 再安装本 probe repo。
4. 默认额外补充 deepspeed<0.19、liger-kernel、tensorboard、nvitop。

如果要安装 SWIFT 的全量 optional 依赖：

INSTALL_SWIFT_ALL=1 ./scripts/setup_env.sh

如果只想安装 SWIFT core，不补额外训练包：

INSTALL_TRAINING_EXTRAS=0 ./scripts/setup_env.sh

如果要追加其他包：

EXTRA_UV_PACKAGES="flash-attn==2.8.3" ./scripts/setup_env.sh

下载数据集

默认数据源是 ModelScope：

eigentom/ti_coding_agent_training_probe_20260624

如果数据集需要鉴权，设置任一 token 环境变量即可：

export MODELSCOPE_API_TOKEN=<modelscope-api-key>
# 或
export MS_TOKEN=<modelscope-api-key>

下载训练和验证数据：

./scripts/download_dataset.py

也可以显式指定 ModelScope repo：

export MS_DATASET_REPO_ID=eigentom/ti_coding_agent_training_probe_20260624
./scripts/download_dataset.py --backend modelscope

Hugging Face 后端仍保留为 fallback。使用 HF 时，如果环境里设置了 HF_TOKEN，脚本会用 token owner 自动拼成 owner/ti_coding_agent_training_probe_20260624。也可以显式指定：

export HF_ENDPOINT=https://hf-mirror.com
export HF_DATASET_REPO_ID=<owner>/ti_coding_agent_training_probe_20260624
./scripts/download_dataset.py --backend huggingface

输出：

• data/raw/training_probe/: 原始下载文件。
• data/processed/training_probe/train.jsonl
• data/processed/training_probe/validation.jsonl
• data/processed/training_probe/train.parquet
• data/processed/training_probe/validation.parquet

训练数据里 system、user、tool 消息带 loss=false，只有 assistant 轨迹带 loss=true。system prompt 会作为上下文参与 attention，但不作为预测目标计算 loss。

下载模型

./scripts/download_models.sh

默认模型 ID：

• Qwen/Qwen3.5-9B
• Qwen/Qwen3.6-27B

如果 Hugging Face 上实际模型 ID 有变化，可以覆盖：

export QWEN35_9B_MODEL_ID=<actual-9b-id>
export QWEN36_27B_MODEL_ID=<actual-27b-id>
./scripts/download_models.sh

单步训练

每个训练脚本默认：

• num_train_epochs=1
• lora_rank=32
• torch_dtype=bfloat16
• save_steps=1000
• eval_steps=1000
• report_to=tensorboard
• max_length=262144
• warmup_ratio=0.1
• learning_rate=1e-5

命令：

./scripts/train_qwen35_9b_lora.sh
./scripts/train_qwen35_9b_full.sh
./scripts/train_qwen36_27b_lora.sh
./scripts/train_qwen36_27b_full.sh

一键完整实验

确认 GPU 空闲后执行：

./scripts/run_all_experiments.sh

执行顺序固定为：

1. Qwen3.5-9B LoRA
2. Qwen3.5-9B bf16 full SFT
3. Qwen3.6-27B LoRA
4. Qwen3.6-27B bf16 full SFT

TensorBoard

./scripts/tensorboard.sh

训练日志会写到 runs/<run_name>/。SWIFT/Transformers 的 TensorBoard 标量通常包括 loss、learning rate、eval loss、runtime、samples/sec、steps/sec 等 throughput 指标；同时 stdout 会保存在 logs/<run_name>.log。