argus-cluster/specs/mvp/v3.6/v3.6_progress.md

MVP v3.6 进度记录

基线：v3.5 已完成（Advanced TaskSpec + Custom reward（方式A）+ WebUI + SFTPGo + stateless ray node pool）。 本文件用于记录 v3.6 每个 milestone 的完成情况与关键改动点。

M1（完成）

• 新增 tracking.wandb 配置解析与校验（enabled/base_url/api_key_env）。

M2（完成）

• Ray job 维度注入 WANDB_* env（含 WANDB_BASE_URL/WANDB_API_KEY/WANDB_MODE/WANDB_DIR），缺少 key 时降级并记录 warning。

M3（完成）

• PPO/GRPO/SFT 内置训练任务在 wandb 可用时自动追加 overrides：
  • trainer.logger=[console,wandb]
  • trainer.project_name=<user_id>_project
  • trainer.experiment_name=<ray_submission_id>

M4（完成）

• API 输出增加 W&B 定位信息：
  • /api/v2/me 返回 wandb.{enabled,base_url,project_name}
  • /api/v2/tasks/{task_id} 在 latest_attempt.wandb 返回 {base_url,project_name,run_name}
• WebUI：
  • Login 页面增加 W&B 区块（跳转 8090、copy project）
  • Task detail 页面增加 W&B 区块（copy run）

M5（完成）

• WebUI New Task 增加 Evaluation 模板（Advanced）：
  • 使用 python3 -m verl.trainer.main_eval ... +ray_kwargs.ray_init.address=auto
  • 以占位符路径示例（用户替换 <RAY_SUBMISSION_ID>/<EVAL_PARQUET>）

M6（完成）

• docker-compose.yaml 集成 W&B local server：
  • host 端口 8090
  • 持久化目录 /private/common/wandb（容器内 /vol）
• dev 配置新增 tracking.wandb 默认开启（缺 key 自动降级并记录 warning）。
• API 启动脚本支持把 WANDB_API_KEY 从宿主机透传到 head 容器中的 API server。