文档导航
项目名称为 IntraSkill，代码仓库为 ShopSimRL。当前发布结果对应 Qwen3.5-4B、四轮训练、Iter80 checkpoint。对外项目报告见 GitHub Pages，摘要见 English README / 中文 README。
| 阅读目标 | 文档 |
|---|---|
| 了解实际实验结果、数据口径和局限 | 实验报告 |
| 挖掘生成长度、成功失败步数、搜索、商品访问与协议变化 | 行为分析 |
| 检查 W&B 优化器更新、熵、KL、梯度与吞吐 | 优化与系统分析 |
| 复算分析、理解 CSV/JSON 和图表 | 分析产物说明 |
| 运行或发布中英双语项目页 | 项目页 |
| 理解背景、相关工作与完整方法 | 双语项目报告的方法章、方法草案 |
| 了解任务、personal 画像、环境状态机、奖励设计与完整购物案例 | 双语任务、环境与奖励章、环境契约 |
| 理解当前训练实现和配置 | 训练指南 |
| 理解 Trace2Skill 候选生成 | Trace2Skill 方案、冷启动实现 |
| 核验 gate 的配对与估计语义 | Paired validation |
| 核验生成/训练样本的统计口径 | 动态过滤、监控指标 |
| 运行评测、理解 trace schema | Runtime 与评测 |
| 启动环境与本地轨迹回放 | 环境指南、Replay UI |
| 了解来源、历史恢复和复用边界 | 来源说明 |
| 查阅机器配置和历史实验 | Archive |
文档与实验事实的优先级
实验数字以冻结 artifacts/ 和可复算的 artifacts/analysis/ 为准；实现契约以当前代码、测试及相应工程文档为准。proposal.md 是研究草案，其中自适应课程等可能方案并不代表本次运行已经实现或验证。
本次 q 全程固定 0.20。对外展示和数据下载只包含四轮完整训练、四轮 gate 与 Iter80 test，训练范围为 step 1–80。