核心 case · C28
Ego/UMI与Standard双模型迁移效果比较
两份后训练权重完成对比，结论回填原研究表。
2026-10-12 04:00 至 2026-10-15 04:00（北京时间）；历史核对，执行前查最新状态。
人的最终 Review
待审尚无明确的最终评审意见。
本 case 的 token 总数
待关联这次要做到什么
每个模型600/2000并比较基线、更新原研究表。 双模型两范围均完成，baseline重算共同50配置，回写原研究表，不作单seed因果结论
实际做到什么
两组原600/2000局评测及原研究表回写已交。10月12日20:50回执：两行全维度补齐并回读，baseline由54重算共同50配置，UMI ΔScore+0.133/ΔSR−0.067pp；Standard −0.601/+0.040pp。
使用的 Skill
缺少实际使用及版本证据，待核对原执行。
Agent 初评
理解3/4 / 交付3/4 / 可靠3/4 / 协作2/4
这个 case 收到的反馈
范围澄清与基础设施问题
磁盘满影响正在运行的评测
50与54配置的含义不清楚
下一步如何判断和改进
建议先核对下面的证据缺口，再补充人的最终 Review；已有结果在原验收范围内判断。
已读原结果话题；同letterbox/20%12k并不能消除预训练起点和布局差异，单seed不作因果推断。
展开过程：运行范围、耗时、资源与返工
运行范围
每模型600/54配置及2000/50配置，seed0；四Run分别验收。最终研究表重算共同50配置：UMI对V0.5 delta ΔScore+0.133/ΔSR−0.067pp；Standard−0.601/+0.040pp。
关键时间与耗时
10月12日13:40提交话题→20:50原研究表回写，约7h10m观察跨度，非精确交办或纯运行用时；Standard两报告19:11/19:41送达。
资源使用
UMI先跑，Standard由4入口到12卡/48入口再16卡/64入口；UMI释放4卡给Standard。600旧绑定等待在途结束后17:51切64；同池两Run不能把容量相加。
返工与人工介入
发生纹理错误、磁盘满、结果回收滞后及人追问54/50口径；范围变更与新增比较不直接记返工。保留C09供给协调及C11/C12环境修复背景。