cpt plugins

Доменный плагин лесенки маленьких моделей на NVIDIA GB10 / DGX Spark (UMA, единая память CPU+GPU): запуск и восстановление прогона CPT → SFT → RL, оценка стадий на OOD, диагностика патологий CPT, здоровье RL и интерпретационный отчёт по прогону. Знает проверенную конфигурацию для 1.5B/3B и типовые падения (rc=137 OOM, rc=1 NVRM, незавершённый проход). Триггеры: «запусти/перезапусти лесенку», «что с прогоном v12/v13», «почему упал CPT/SFT/RL», «OOM на Spark», «сравни стадии», «что дал SFT/RL», «судья упал / API_DOWN», «после CPT модель отвечает одно и то же», «template domination», «язык рассуждений сменился», «как идёт RL», «энтропия/KL», «модель забыла базу», «напиши отчёт по прогону».

Доменный плагин AI/ML-исследователя: континуальное обучение и пост-тренинг LLM как единый конвейер стадий — CPT (домен-дообучение) → SFT → RLHF (предпочтения) → RL на рубриках → RLVR (верифицируемые награды) → дистилляция (офлайн и онлайн/on-policy). Для каждой стадии: цель, данные, лосс, верификатор/reward, предпосылки и типовые отказы; плюс порядок стадий (DAG), диагностика «на какой стадии проблема» и антипаттерны конвейера. Триггеры: «пайплайн обучения», «что после SFT», «CPT/continued pretraining», «домен-дообучение», «выбор RLHF vs RLVR vs рубрики», «дистилляция учителя», «on-policy дистилляция», «reward hacking», «mode collapse», «катастрофическое забывание».