来源与复现边界

上游

verl-recipe char_count，固定 revision 6d8d5c129334f40b463dc7e383cf269358352fd6。原始数据生成器保留 ByteDance 的 Apache-2.0 头。
verl，本地保存的 clean checkout HEAD 为 1876b06d0a3e4e71e06230be10af14492ca8a75b。发布时已从公开 raw 地址核对 uv.lock、pyproject.toml 和基础启动脚本，均逐字节一致。
模型标识为 Qwen/Qwen3-1.7B；历史下载的具体 Hugging Face commit 未确认，没有声称已锁定权重 revision。

发布文件	来源/改动
`src/reward_tolerant.py`	历史实际使用的 reward 函数，逐字节保留
`data/rl/*.parquet`	历史实际数据，逐字节保留
`scripts/run_grpo_base.sh`	历史基础脚本，与固定 verl revision 一致
`scripts/train.sh`	基于实际 launcher；保留训练参数，改成可移植路径，console 默认日志，环境安装移到 setup
`archive/launch_char_count.original.sanitized.sh`	原 launcher，仅替换内网 tracking URI 和个人目录
`archive/create_dataset.original.py`	历史下载的数据生成器，无修改
`scripts/create_dataset.py`	公开适配：增加 seed/输入检查，移除 verl import，修正文档中与实现不符的词源描述
`archive/uv.lock`、`archive/verl-pyproject.toml`	固定 verl revision 的依赖文件快照
`archive/training.sanitized.log`	包含 135M 与 Qwen 轮次；移除 ANSI 颜色、替换 IPv4/个人路径，保留换行及 CR
`results/metrics.csv`	既有 Qwen 轮次提取结果，发布时用新脚本逐字段复核
`docs/conversation-excerpt.md`	用户可见对话选段，去掉交错的数学任务段落、隐藏思考、工具正文和私人路径
`scripts/extract_metrics.py`、`scripts/plot_metrics.py`、`tests/`	本次为开源整理新增的审计与可视化工具

SHA256SUMS 记录发布文件的字节摘要（不含自身和 Git 元数据）。

历史数据生成未设 random seed，因此复现历史数据应直接使用附带 parquet。训练配置中的 seed=42 并不能倒推出数据生成 seed。GPU/Ray/vLLM 的运行也不保证位级确定性。

历史容器镜像已删除，锁文件描述 Python 依赖，不等价于完整 OS/驱动镜像。原 launcher 在 frozen sync 后另装 MLflow 3.17.2，未保存该步骤之后的完整 pip freeze。重装仍需系统级 CUDA/编译依赖，未在本次整理中执行完整 GPU 环境安装。

默认关闭远程 MLflow，仅改变记录目的地；数据、模型和训练超参数按历史配置准备。任何新增 checkpoint 保存、生成新数据或更换环境都应作为新的运行记录，不能把旧的 54.4% 贴在新实验上。

逐题复算确认所有标签等于实际字符出现次数。按完整 prompt 文本去重，训练集有 8493 个唯一问题，验证集有 994 个唯一问题，二者交集为 62 个问题。生成器未强制跨 split 去重；公开数据保留历史原貌。