Session Handoff / 持续开发交接文档

更新：2026-06-02
目的：让新 session / 新代理进入仓库后，能在最短时间内理解项目现状并继续开发。

一页结论

这是一个正在从原型向工业化推进的 音乐 ACR / music retrieval 项目。
当前已经完成：

1. 原型可运行

   • synthetic 数据生成
   • 训练
   • 建索引
   • 识别
   • 评测

2. 开放数据接入链路完整闭环

   • inspect-local / inspect-batch
   • prepare-local
   • validate-local
   • train
   • build-index
   • evaluate
   • generate_artifacts

3. 文档已浓缩

   • docs 入口已分成 4 组
   • 相对路径支持跳转
   • 开放数据工作流有单页文档

当前最重要的下一步：

• 用真实本地 FMA / MTG-Jamendo 音频目录替换 synthetic stand-in
• 跑真实开放数据 smoke
• 继续优化准确率，尤其是 confused / humming_like

最新真实 FMA 运行事实（2026-06-02 补记）

• fma_small.zip 已完整落地，并已解压到 acr-engine/data/raw/fma_small_audio
• check-local-ready fma ... 已验证：
  • ready_for_smoke=true
  • num_audio_files=8000
  • eligible_query_files=7994
• 真实 FMA smoke 已实际启动到：
  • 输出目录：/tmp/fma_real_smoke_stopcheck
  • manifest 校验：ok=true
  • 当前训练规模：catalog_references=8000, train_queries=6401, test_queries=1593
• 当前环境无 GPU：
  • nvidia-smi => NO_NVIDIA_GPU
  • torch.cuda.is_available() = false
• 因此本轮真实 smoke 当前表现为 CPU 长训练，不是异常卡死。
• 重要：train.py 采用 epoch-end save 策略，best_model.pt 会在 Epoch 1 结束后首次落盘；所以训练中途看到空的 fma_models_smoke/ 目录是正常现象。

---

最新 checkpoint（2026-06-02 12:09 UTC）

• 真实 FMA smoke 主进程仍在运行：
  • PID=311494：src/data/external_adapters.py smoke-local fma ...
  • PID=311629：train.py --data /tmp/fma_real_smoke_stopcheck/fma/manifests ...
• 最新观测：
  • train.py ELAPSED=12:00
  • %CPU≈615
  • %MEM≈10.4
• manifest 仍有效：
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0
• /tmp/fma_real_smoke_stopcheck/fma_models_smoke/ 当前仍为空目录。
• 这是符合当前 train.py 保存逻辑的：best_model.pt 要到 Epoch 1 结束后才会首次落盘。

当前卡点（最新）

1. 真实 FMA smoke 尚未出首个模型文件
   • 原因不是异常，而是当前环境无 GPU，且本次使用真实 FMA 全量 8000 首参考。
2. MTG-Jamendo 目录仍未就绪
   • data/raw/mtg_jamendo_audio 当前仍缺少可用音频文件，暂时无法进入同级别 smoke。
3. 工作树噪音依旧很大
   • 提交时必须继续只显式暂存文档 / 脚本，不能误带 data/external_smoke、data/raw、checkpoint、__pycache__。

更新中的 fresh evidence（2026-06-02 12:11 UTC）

• 与上一版交付相比，真实 FMA smoke 仍在持续推进，而不是僵死：
  • train.py ELAPSED=14:25
  • %CPU≈615
  • %MEM≈10.4
• 当前仍仅看到运行中的两个关键进程：
  • PID=311494：external_adapters.py smoke-local fma ...
  • PID=311629：train.py --data /tmp/fma_real_smoke_stopcheck/fma/manifests ...
• 仍未出现 build-index / evaluate 相关新进程。
• /tmp/fma_real_smoke_stopcheck/fma_models_smoke/ 仍只有目录本身，没有模型文件。
• manifest 再次校验结果未变：
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0
  • ok=true

这说明：

• 当前状态是 真实 FMA 全量训练仍在 epoch 内部推进。
• 还没有到 Epoch 1 结束，因此仍不能期待 best_model.pt 已经落盘。

再更新的 fresh evidence（2026-06-02 12:12 UTC）

• 真实 FMA smoke 仍在持续推进：
  • train.py ELAPSED=15:12
  • %CPU≈614
  • %MEM≈10.5
• 当前进程结构仍未变化：
  • PID=311494：external_adapters.py smoke-local fma ...
  • PID=311629：train.py --data /tmp/fma_real_smoke_stopcheck/fma/manifests ...
• 仍未观测到 build-index / evaluate 相关新进程。
• fma_models_smoke/ 仍只有目录本身，没有模型文件。
• manifest 再次校验仍然通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 真实 FMA 全量 smoke 依旧在 Epoch 1 内部推进。
• 截至 12:12 UTC，仍未出现首个可落盘模型文件或下游阶段切换。

再次刷新的 fresh evidence（2026-06-02 12:14 UTC）

• 真实 FMA smoke 继续推进：
  • train.py ELAPSED=17:07
  • %CPU≈615
  • %MEM≈10.4
• 当前仍只有训练阶段相关进程：
  • PID=311494：external_adapters.py smoke-local fma ...
  • PID=311629：train.py --data /tmp/fma_real_smoke_stopcheck/fma/manifests ...
• 仍未观测到 build-index / evaluate 新进程。
• fma_models_smoke/ 仍只有目录本身，没有模型文件。
• manifest 复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这进一步说明：

• 当前 smoke 仍在第一个 epoch 内持续前进。
• 到 12:14 UTC 为止，仍未进入保存首个模型文件或下游检索/评测阶段。

再次推进的 fresh evidence（2026-06-02 12:15 UTC）

• 真实 FMA smoke 持续推进到：
  • train.py ELAPSED=18:22
  • %CPU≈615
  • %MEM≈10.5
• 当前进程结构仍未发生阶段切换：
  • PID=311494：external_adapters.py smoke-local fma ...
  • PID=311629：train.py --data /tmp/fma_real_smoke_stopcheck/fma/manifests ...
• 仍未出现 build-index / evaluate 相关新进程。
• fma_models_smoke/ 仍只有目录本身，没有模型文件。
• manifest 再次复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 当前依旧只是第 1 个 epoch 内部持续推进。
• 到 12:15 UTC 为止，仍没有首个模型文件或后续检索/评测阶段证据。

再次延后的 fresh evidence（2026-06-02 12:16 UTC）

• 真实 FMA smoke 继续推进到：
  • train.py ELAPSED=19:12
  • %CPU≈614
  • %MEM≈10.6
• 当前进程结构仍未发生阶段切换：
  • PID=311494：external_adapters.py smoke-local fma ...
  • PID=311629：train.py --data /tmp/fma_real_smoke_stopcheck/fma/manifests ...
• 仍未出现 build-index / evaluate 相关新进程。
• fma_models_smoke/ 仍只有目录本身，没有模型文件。
• manifest 再次复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 当前依旧处于第 1 个 epoch 内部的持续训练阶段。
• 到 12:16 UTC 为止，仍没有首个模型文件或下游检索/评测阶段证据。

继续延后的 fresh evidence（2026-06-02 12:17 UTC）

• 真实 FMA smoke 继续推进到：
  • train.py ELAPSED=20:08
  • %CPU≈614
  • %MEM≈10.6
• 当前进程结构仍未发生阶段切换：
  • PID=311494：external_adapters.py smoke-local fma ...
  • PID=311629：train.py --data /tmp/fma_real_smoke_stopcheck/fma/manifests ...
• 仍未出现 build-index / evaluate 相关新进程。
• fma_models_smoke/ 仍只有目录本身，没有模型文件。
• manifest 再次复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 当前依旧处于第 1 个 epoch 内部的持续训练阶段。
• 到 12:17 UTC 为止，仍没有首个模型文件或下游检索/评测阶段证据。

持续推进的 fresh evidence（2026-06-02 12:19 UTC）

• 真实 FMA smoke 继续推进到：
  • train.py ELAPSED=22:10
  • %CPU≈615
  • %MEM≈10.7
• 当前进程结构仍未发生阶段切换：
  • PID=311494：external_adapters.py smoke-local fma ...
  • PID=311629：train.py --data /tmp/fma_real_smoke_stopcheck/fma/manifests ...
• 仍未出现 build-index / evaluate 相关新进程。
• fma_models_smoke/ 仍只有目录本身，没有模型文件。
• manifest 再次复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 当前依旧处于第 1 个 epoch 内部的持续训练阶段。
• 到 12:19 UTC 为止，仍没有首个模型文件或下游检索/评测阶段证据。

持续推进的 fresh evidence（2026-06-02 12:20 UTC）

• 真实 FMA smoke 继续推进到：
  • train.py ELAPSED=22:58
  • %CPU≈615
  • %MEM≈10.8
• 当前进程结构仍未发生阶段切换：
  • PID=311494：external_adapters.py smoke-local fma ...
  • PID=311629：train.py --data /tmp/fma_real_smoke_stopcheck/fma/manifests ...
• 仍未出现 build-index / evaluate 相关新进程。
• fma_models_smoke/ 仍只有目录本身，没有模型文件。
• manifest 再次复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 当前依旧处于第 1 个 epoch 内部的持续训练阶段。
• 到 12:20 UTC 为止，仍没有首个模型文件或下游检索/评测阶段证据。

30 秒窗口后的 fresh evidence（2026-06-02 12:21 UTC）

• 经过额外约 30 秒等待后，真实 FMA smoke 继续推进到：
  • train.py ELAPSED=24:11
  • %CPU≈615
  • %MEM≈11.3
• 当前进程结构仍未发生阶段切换：
  • PID=311494：external_adapters.py smoke-local fma ...
  • PID=311629：train.py --data /tmp/fma_real_smoke_stopcheck/fma/manifests ...
• 仍未出现 build-index / evaluate 相关新进程。
• fma_models_smoke/ 仍只有目录本身，没有模型文件。
• manifest 再次复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 即使拉开更有意义的时间窗口，当前仍能确认训练在前进，而不是僵死。
• 到 12:21 UTC 为止，仍没有首个模型文件或下游检索/评测阶段证据。

120 秒窗口后的 fresh evidence（2026-06-02 12:25 UTC）

• 经过更长的约 120 秒观察窗口后，真实 FMA smoke 继续推进到：
  • train.py ELAPSED=27:54
  • %CPU≈615
  • %MEM≈11.2
• 当前进程结构仍未发生阶段切换：
  • PID=311494：external_adapters.py smoke-local fma ...
  • PID=311629：train.py --data /tmp/fma_real_smoke_stopcheck/fma/manifests ...
• 仍未出现 build-index / evaluate 相关新进程。
• fma_models_smoke/ 仍只有目录本身，没有模型文件。
• manifest 再次复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 在更长的观察窗口下，训练依然持续前进，而不是假性活动或僵死。
• 到 12:25 UTC 为止，仍没有首个模型文件或下游检索/评测阶段证据。

180 秒窗口后的 fresh evidence（2026-06-02 12:29 UTC）

• 经过更长的约 180 秒观察窗口后，真实 FMA smoke 继续推进到：
  • train.py ELAPSED=31:47
  • %CPU≈615
  • %MEM≈11.0
• 当前进程结构仍未发生阶段切换：
  • PID=311494：external_adapters.py smoke-local fma ...
  • PID=311629：train.py --data /tmp/fma_real_smoke_stopcheck/fma/manifests ...
• 仍未出现 build-index / evaluate 相关新进程。
• fma_models_smoke/ 仍只有目录本身，没有模型文件。
• manifest 再次复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 在更长的观察窗口下，训练依然持续前进，而不是假性活动或僵死。
• 到 12:29 UTC 为止，仍没有首个模型文件或下游检索/评测阶段证据。

重大阶段切换证据（2026-06-02 12:34 UTC）

• 真实 FMA smoke 已跨过最关键的 Epoch 1 结束点：
  • 原 train.py 进程 PID=311629 已结束
  • /tmp/fma_real_smoke_stopcheck/fma_models_smoke/best_model.pt 已出现
  • /tmp/fma_real_smoke_stopcheck/fma_models_smoke/song_to_idx.json 已出现
• 当前主流程已从训练切换到建索引阶段：
  • PID=424691：run_demo.py build-index --data /tmp/fma_real_smoke_stopcheck/fma/manifests --model /tmp/fma_real_smoke_stopcheck/fma_models_smoke/best_model.pt --output /tmp/fma_real_smoke_stopcheck/fma_index_smoke --device cpu --resume --checkpoint-every-refs 100
• external_adapters.py smoke-local ... 主进程仍在，说明端到端 smoke 还未结束。
• manifest 复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 之前“模型目录为空是正常现象”的阶段已经结束。
• 现在的下一关键观察点已经从“等待首个模型文件”切换为“等待 build-index 完成并进入 evaluate”。

build-index 持续阶段证据（2026-06-02 12:37 UTC）

• 训练结束后的下游流程仍在 build-index：
  • PID=424691：run_demo.py build-index --data /tmp/fma_real_smoke_stopcheck/fma/manifests --model /tmp/fma_real_smoke_stopcheck/fma_models_smoke/best_model.pt --output /tmp/fma_real_smoke_stopcheck/fma_index_smoke --device cpu --resume --checkpoint-every-refs 100
• smoke-local 主进程仍在：
  • PID=311494：external_adapters.py smoke-local fma ...
• 当前尚未观测到 evaluate.py 进程。
• 索引输出目录已经创建：
  • /tmp/fma_real_smoke_stopcheck/fma_index_smoke/
• 但截至 12:37 UTC，索引目录下仍未看到新的索引产物文件。
• manifest 再次复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 当前 smoke 已稳定处于“训练完成 -> 建索引进行中”的阶段。
• 下一关键观察点仍是“索引文件出现”或“切换到 evaluate.py”。

build-index 延续证据（2026-06-02 12:39 UTC）

• 经过额外观察后，主下游进程仍然是：
  • PID=424691：run_demo.py build-index --data /tmp/fma_real_smoke_stopcheck/fma/manifests --model /tmp/fma_real_smoke_stopcheck/fma_models_smoke/best_model.pt --output /tmp/fma_real_smoke_stopcheck/fma_index_smoke --device cpu --resume --checkpoint-every-refs 100
• evaluate.py 仍未出现。
• smoke-local 主进程仍在：
  • PID=311494：external_adapters.py smoke-local fma ...
• 索引目录仍只有目录本身：
  • /tmp/fma_real_smoke_stopcheck/fma_index_smoke/
• 截至 12:39 UTC，仍未观测到新的索引产物文件。
• manifest 复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 当前 smoke 已稳定进入并停留在 build-index 阶段。
• 下一关键观察点依旧是“索引产物首次出现”或“切换到 evaluate.py”。

build-index 再延续证据（2026-06-02 12:43 UTC）

• 经过更长观察后，主下游进程仍然是：
  • PID=424691：run_demo.py build-index --data /tmp/fma_real_smoke_stopcheck/fma/manifests --model /tmp/fma_real_smoke_stopcheck/fma_models_smoke/best_model.pt --output /tmp/fma_real_smoke_stopcheck/fma_index_smoke --device cpu --resume --checkpoint-every-refs 100
• evaluate.py 仍未出现。
• smoke-local 主进程仍在：
  • PID=311494：external_adapters.py smoke-local fma ...
• 索引目录仍只有目录本身：
  • /tmp/fma_real_smoke_stopcheck/fma_index_smoke/
• 截至 12:43 UTC，仍未观测到新的索引产物文件。
• manifest 复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 当前 smoke 仍稳定停留在 build-index 阶段。
• 下一关键观察点依旧是“索引产物首次出现”或“切换到 evaluate.py”。

build-index 最新延续证据（2026-06-02 12:51 UTC）

• 截至 12:51 UTC，主下游进程仍然是：
  • PID=424691：run_demo.py build-index --data /tmp/fma_real_smoke_stopcheck/fma/manifests --model /tmp/fma_real_smoke_stopcheck/fma_models_smoke/best_model.pt --output /tmp/fma_real_smoke_stopcheck/fma_index_smoke --device cpu --resume --checkpoint-every-refs 100
• evaluate.py 仍未出现。
• smoke-local 主进程仍在：
  • PID=311494：external_adapters.py smoke-local fma ...
• 索引目录仍只有目录本身：
  • /tmp/fma_real_smoke_stopcheck/fma_index_smoke/
• 截至该时点，仍未观测到新的索引产物文件。
• manifest 复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 真实 FMA smoke 仍稳定停留在 build-index 阶段。
• 下一关键观察点依旧是“索引产物首次出现”或“切换到 evaluate.py”。

build-index 12:55 UTC 延续证据（2026-06-02）

• 截至 12:55 UTC，主下游进程仍然是：
  • PID=424691：run_demo.py build-index --data /tmp/fma_real_smoke_stopcheck/fma/manifests --model /tmp/fma_real_smoke_stopcheck/fma_models_smoke/best_model.pt --output /tmp/fma_real_smoke_stopcheck/fma_index_smoke --device cpu --resume --checkpoint-every-refs 100
• evaluate.py 仍未出现。
• smoke-local 主进程仍在：
  • PID=311494：external_adapters.py smoke-local fma ...
• 索引目录仍只有目录本身：
  • /tmp/fma_real_smoke_stopcheck/fma_index_smoke/
• 截至该时点，仍未观测到新的索引产物文件。
• manifest 复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 真实 FMA smoke 仍稳定停留在 build-index 阶段。
• 下一关键观察点依旧是“索引产物首次出现”或“切换到 evaluate.py”。

build-index 12:59 UTC 延续证据（2026-06-02）

• 截至 12:59 UTC，主下游进程仍然是：
  • PID=424691：run_demo.py build-index --data /tmp/fma_real_smoke_stopcheck/fma/manifests --model /tmp/fma_real_smoke_stopcheck/fma_models_smoke/best_model.pt --output /tmp/fma_real_smoke_stopcheck/fma_index_smoke --device cpu --resume --checkpoint-every-refs 100
• evaluate.py 仍未出现。
• smoke-local 主进程仍在：
  • PID=311494：external_adapters.py smoke-local fma ...
• 索引目录仍只有目录本身：
  • /tmp/fma_real_smoke_stopcheck/fma_index_smoke/
• 截至该时点，仍未观测到新的索引产物文件。
• manifest 复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 真实 FMA smoke 仍稳定停留在 build-index 阶段。
• 下一关键观察点依旧是“索引产物首次出现”或“切换到 evaluate.py”。

build-index 13:04 UTC 延续证据（2026-06-02）

• 截至 13:04 UTC，主下游进程仍然是：
  • PID=424691：run_demo.py build-index --data /tmp/fma_real_smoke_stopcheck/fma/manifests --model /tmp/fma_real_smoke_stopcheck/fma_models_smoke/best_model.pt --output /tmp/fma_real_smoke_stopcheck/fma_index_smoke --device cpu --resume --checkpoint-every-refs 100
• evaluate.py 仍未出现。
• smoke-local 主进程仍在：
  • PID=311494：external_adapters.py smoke-local fma ...
• 索引目录仍只有目录本身：
  • /tmp/fma_real_smoke_stopcheck/fma_index_smoke/
• 截至该时点，仍未观测到新的索引产物文件。
• manifest 复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 真实 FMA smoke 仍稳定停留在 build-index 阶段。
• 下一关键观察点依旧是“索引产物首次出现”或“切换到 evaluate.py”。

build-index 13:10 UTC 延续证据（2026-06-02）

• 截至 13:10 UTC，主下游进程仍然是：
  • PID=424691：run_demo.py build-index --data /tmp/fma_real_smoke_stopcheck/fma/manifests --model /tmp/fma_real_smoke_stopcheck/fma_models_smoke/best_model.pt --output /tmp/fma_real_smoke_stopcheck/fma_index_smoke --device cpu --resume --checkpoint-every-refs 100
• evaluate.py 仍未出现。
• smoke-local 主进程仍在：
  • PID=311494：external_adapters.py smoke-local fma ...
• 索引目录仍只有目录本身：
  • /tmp/fma_real_smoke_stopcheck/fma_index_smoke/
• 截至该时点，仍未观测到新的索引产物文件。
• manifest 复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 真实 FMA smoke 仍稳定停留在 build-index 阶段。
• 下一关键观察点依旧是“索引产物首次出现”或“切换到 evaluate.py”。

build-index 13:16 UTC 延续证据（2026-06-02）

• 截至 13:16 UTC，主下游进程仍然是：
  • PID=424691：run_demo.py build-index --data /tmp/fma_real_smoke_stopcheck/fma/manifests --model /tmp/fma_real_smoke_stopcheck/fma_models_smoke/best_model.pt --output /tmp/fma_real_smoke_stopcheck/fma_index_smoke --device cpu --resume --checkpoint-every-refs 100
• evaluate.py 仍未出现。
• smoke-local 主进程仍在：
  • PID=311494：external_adapters.py smoke-local fma ...
• 索引目录仍只有目录本身：
  • /tmp/fma_real_smoke_stopcheck/fma_index_smoke/
• 截至该时点，仍未观测到新的索引产物文件。
• manifest 复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 真实 FMA smoke 仍稳定停留在 build-index 阶段。
• 下一关键观察点依旧是“索引产物首次出现”或“切换到 evaluate.py”。

build-index 13:22 UTC 延续证据（2026-06-02）

• 截至 13:22 UTC，主下游进程仍然是：
  • PID=424691：run_demo.py build-index --data /tmp/fma_real_smoke_stopcheck/fma/manifests --model /tmp/fma_real_smoke_stopcheck/fma_models_smoke/best_model.pt --output /tmp/fma_real_smoke_stopcheck/fma_index_smoke --device cpu --resume --checkpoint-every-refs 100
• evaluate.py 仍未出现。
• smoke-local 主进程仍在：
  • PID=311494：external_adapters.py smoke-local fma ...
• 索引目录仍只有目录本身：
  • /tmp/fma_real_smoke_stopcheck/fma_index_smoke/
• 截至该时点，仍未观测到新的索引产物文件。
• manifest 复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 真实 FMA smoke 仍稳定停留在 build-index 阶段。
• 下一关键观察点依旧是“索引产物首次出现”或“切换到 evaluate.py”。

build-index 13:28 UTC 延续证据（2026-06-02）

• 截至 13:28 UTC，主下游进程仍然是：
  • PID=424691：run_demo.py build-index --data /tmp/fma_real_smoke_stopcheck/fma/manifests --model /tmp/fma_real_smoke_stopcheck/fma_models_smoke/best_model.pt --output /tmp/fma_real_smoke_stopcheck/fma_index_smoke --device cpu --resume --checkpoint-every-refs 100
• evaluate.py 仍未出现。
• smoke-local 主进程仍在：
  • PID=311494：external_adapters.py smoke-local fma ...
• 索引目录仍只有目录本身：
  • /tmp/fma_real_smoke_stopcheck/fma_index_smoke/
• 截至该时点，仍未观测到新的索引产物文件。
• manifest 复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 真实 FMA smoke 仍稳定停留在 build-index 阶段。
• 下一关键观察点依旧是“索引产物首次出现”或“切换到 evaluate.py”。

build-index 13:34 UTC 延续证据（2026-06-02）

• 截至 13:34 UTC，主下游进程仍然是：
  • PID=424691：run_demo.py build-index --data /tmp/fma_real_smoke_stopcheck/fma/manifests --model /tmp/fma_real_smoke_stopcheck/fma_models_smoke/best_model.pt --output /tmp/fma_real_smoke_stopcheck/fma_index_smoke --device cpu --resume --checkpoint-every-refs 100
• evaluate.py 仍未出现。
• smoke-local 主进程仍在：
  • PID=311494：external_adapters.py smoke-local fma ...
• 索引目录仍只有目录本身：
  • /tmp/fma_real_smoke_stopcheck/fma_index_smoke/
• 截至该时点，仍未观测到新的索引产物文件。
• manifest 复核仍通过：
  • ok=true
  • catalog_references=8000
  • train_queries=6401
  • test_queries=1593
  • val_queries=0

这说明：

• 真实 FMA smoke 仍稳定停留在 build-index 阶段。
• 下一关键观察点依旧是“索引产物首次出现”或“切换到 evaluate.py”。

重启后第一优先级动作

1. 先检查真实 FMA smoke 是否完成： bash ps -p 311629 -o pid,etime,%cpu,%mem,cmd find /tmp/fma_real_smoke_stopcheck/fma_models_smoke -maxdepth 2 \( -type f -o -type d \) | sort pgrep -af 'train.py --data /tmp/fma_real_smoke_stopcheck|run_demo.py build-index --data /tmp/fma_real_smoke_stopcheck|evaluate.py --data /tmp/fma_real_smoke_stopcheck'
2. 如果 smoke 完成：
   • 收集 report.json / metrics / artifacts
   • 回写 docs/open-dataset-workflow.md
   • 回写 docs/CHANGELOG.md
   • commit + push
3. 如果 smoke 仍在跑：
   • 不要误判为空模型目录是 bug
   • 继续等待 Epoch 1 结束或切换到 build-index/evaluate

1. 项目是什么

这是一个面向音乐片段识别 / 音乐检索的 ACR 引擎，核心路线是：

• 指纹检索（Chromaprint-like）
• embedding 检索（ECAPA-derived）
• 可选 melody-aware 融合
• retrieval-first 评测与优化

它已经不是单纯的“分类模型训练脚本”，而是一个较完整的工程原型：

• 数据层
• 训练层
• 索引层
• 识别层
• 评测层
• 文档层
• 开放数据接入层
• 发布产物层

---

2. 你应该先看哪些文档

核心 4 组入口

• docs/README.md
• docs/open-dataset-workflow.md
• docs/dataset-spec.md
• docs/industrialization-roadmap.md

如果你是算法/模型方向

• docs/dataset-spec.md
• docs/sota-research-2026.md
• docs/industrial-benchmark-spec.md

如果你是数据接入方向

• docs/open-dataset-workflow.md
• docs/dataset-sources-and-licensing.md
• acr-engine/data/raw/README.md

如果你是工程/服务方向

• docs/service-api.md
• docs/CHANGELOG.md

---

3. 当前代码结构重点

训练与评测主入口

• acr-engine/train.py
• acr-engine/evaluate.py
• acr-engine/run_demo.py

数据层

• acr-engine/src/data/dataset.py
• acr-engine/src/data/synthetic.py
• acr-engine/src/data/manifest_tools.py
• acr-engine/src/data/external_adapters.py

检索与模型层

• acr-engine/src/engines/hybrid_engine.py
• acr-engine/src/engines/ecapa_embedder.py
• acr-engine/src/engines/chromaprint_matcher.py
• acr-engine/src/models/ecapa_tdnn.py
• acr-engine/src/models/losses.py

服务层

• acr-engine/src/service/app.py

---

4. 已经完成的关键能力

4.1 原型与 synthetic 数据

• synthetic dataset 可生成
• train.py --dry-run 可通过
• 可训练出 checkpoint
• 可 build-index
• 可 recognize
• 可 evaluate

4.2 开放数据接入

已经具备以下命令：

• inspect-local
• inspect-batch
• prepare-local
• validate-local
• smoke-local

这些都在：

• acr-engine/src/data/external_adapters.py

4.3 文档与发布产物

开放数据 smoke 也能生成：

• benchmark report
• model card
• release checklist
• artifact manifest

---

5. 开放数据当前的实际工作方式

真实音频应该放到哪里

• acr-engine/data/raw/fma_small_audio/
• acr-engine/data/raw/mtg_jamendo_audio/

说明文件：

• acr-engine/data/raw/README.md

当前最推荐的命令

FMA

/usr/local/miniconda3/bin/python src/data/external_adapters.py smoke-local fma data/raw/fma_small_audio --output-root data/external_smoke --eval-ratio 0.2 --query-duration 8.0 --train-epochs 1 --batch-size 2

MTG-Jamendo

/usr/local/miniconda3/bin/python src/data/external_adapters.py smoke-local mtg_jamendo data/raw/mtg_jamendo_audio --output-root data/external_smoke --eval-ratio 0.2 --query-duration 8.0 --train-epochs 1 --batch-size 2

当前 smoke-local 已验证能力

smoke-local 会自动跑：

1. inspect-local
2. prepare-local
3. validate-local
4. train
5. build-index
6. evaluate
7. generate_artifacts

---

6. 目前最重要的验证证据

6.1 synthetic-as-open-fixed（开放数据 stand-in）

已成功验证：

• prepare-local
• validate-local
• train.py
• build-index
• evaluate.py
• generate_artifacts.py

关键结果：

• num_queries=8
• top1=1.0
• topk=1.0

相关目录：

• acr-engine/data/external_ingested/synthetic_as_open_fixed/
• acr-engine/reports/open-smoke-fixed/fma/

6.2 一键 smoke-local

已验证：

/usr/local/miniconda3/bin/python src/data/external_adapters.py smoke-local fma data/synthetic_v2/songs --output-root data/external_smoke --eval-ratio 0.2 --query-duration 5.0 --train-epochs 1 --batch-size 2

关键结果：

• num_audio_files=24
• catalog=24
• train_queries=16
• test_queries=8
• top1=1.0
• topk=1.0

相关目录：

• acr-engine/data/external_smoke/

---

0. 当前交付状态（本次 checkpoint）

已可交付

• 文档体系、数据规范、切片策略、评测公平性控制已成型。
• 新 session 已可依据本文件和 AGENT.md 继续推进。

当前卡点

• cap48 top2 seed=999 已完成，三 seed aggregate 已可计算。
• 工作区存在大量数据与模型产物，当前只建议精确提交文档文件。

0.5 当前 bucket/style-aware 基线结论

完整 bucket 汇总已完成：

• 汇总文件：/tmp/ab_smoke_bucketed_smoke/report.json
• prefix_000_a：winner=hybrid
• prefix_000_b：winner=high_energy
• aggregate：
  • hybrid：mean_top1=1.0, mean_topk=1.0, mean_num_queries=4.0
  • high_energy：mean_top1=1.0, mean_topk=1.0, mean_num_queries=3.5

当前解释：

• toy bucket 已经足够证明“不同子集可出现不同 winner”。
• 但它仍不是业务语义 bucket，因此只能作为方法学基线，不能当成最终产品结论。

最新验证证据（2026-06-02 18:21 UTC 左右）

• hybrid 的 reference index 已完成：
  • refs_done=48 / refs_total=48
  • windows_done=491
  • embedding_shape=[491, 192]
  • elapsed_sec=80.26
• 对应文件已写出：
  • /tmp/ab_smoke_seg_cap48_top2_seed999/hybrid/fma_index_smoke/reference_embs.npy
  • /tmp/ab_smoke_seg_cap48_top2_seed999/hybrid/fma_index_smoke/reference_ids.npy
  • /tmp/ab_smoke_seg_cap48_top2_seed999/hybrid/fma_index_smoke/reference_progress.json
• 进程树已确认进入：
  • evaluate.py --data /tmp/ab_smoke_seg_cap48_top2_seed999/hybrid/fma/manifests ... --output-json /tmp/ab_smoke_seg_cap48_top2_seed999/hybrid/fma_reports_smoke/eval.json --seed 999 --max-queries 24
• 最终结果（seed=999）：
  • hybrid：num_queries=24, top1=0.875, topk=1.0
  • high_energy：num_queries=24, top1=0.9167, topk=1.0
  • winner：high_energy
• 三 seed aggregate（cap48）：
  • high_energy：mean_top1=0.9167, min=0.9167, max=0.9167, stdev=0.0
  • hybrid：mean_top1=0.8750, min=0.7917, max=0.9583, stdev=0.0680

文档入口最新状态

• docs/README.md 已补齐业务数据接入导航与最短链说明。
• docs/README.md 已新增“新 session 最短阅读顺序”。
• docs/README.md 已新增“新 session 最短可跑命令”。
• AGENT.md 已同步最短可跑命令。
• 已把本地 smoke 临时文件加入 .gitignore。
• 已补充 Python 缓存噪音忽略规则。

第一条可跑命令（重启后先验证）

cd /workspace/acr-engine
/usr/local/miniconda3/bin/python scripts/business_export_offline_smoke.py \
  --output-root /tmp/business_export_offline_smoke

预期：

• 业务导出离线链跑通
• 项目 catalog/train/test/val 成功生成
• train.py --dry-run 通过

最优先待办

1. 把已完成的 toy bucket baseline 升级为语义 bucket（风格 / 结构 / hard-case）。
   • 模板：acr-engine/configs/buckets/fma_semantic_bucket_template.json
   • 业务型素材优先看：business-music-bucket-and-type-guide.md
   • Manifest/角色映射看：business-manifest-and-type-role-spec.md
   • SQL/CSV/JSONL 导出参考：business-export-cookbook.md
   • 规范化脚本：acr-engine/scripts/normalize_business_export.py
   • 角色拆分脚本：acr-engine/scripts/split_business_manifest_ready.py
   • 项目 manifest 适配：acr-engine/scripts/build_business_project_manifests.py
2. 对比 cap48 与 cap64 的不一致现象，补充分规模结论。
3. 继续补 cap64 multi-seed，而不是只保留单 seed。
4. 继续优化 hybrid，重点降低波动并提升 hard case 稳定性。
5. 在 bucket 基线下继续提交与推送。

续跑时不要做的事

• 不要 git add .
• 不要提交 data/raw、data/external_smoke、/tmp、__pycache__、模型与索引产物

7. 当前最重要的待办

优先级 A：真实开放数据替换

目标：

• 用真实本地 FMA / MTG-Jamendo 音频替换 synthetic stand-in

操作：

1. 把真实音频放进：
   • acr-engine/data/raw/fma_small_audio/
   • 或 acr-engine/data/raw/mtg_jamendo_audio/
2. 直接运行 smoke-local
3. 记录：
   • inspect 规模
   • train/test query 数
   • top1/topk
   • artifact bundle

优先级 B：hard-case 精度继续优化

当前历史结论：

• naive oversampling：失败
• type-aware weighting：部分有效
• sample-level weighting：提升 confused
• retrieval fusion tuning：更稳定有效

下阶段重点：

• confused
• humming_like
• 真实开放数据上的 hard-case bucket

优先级 C：foundation model / SOTA baseline

已经在文档中记录：

• MERT
• MuQ
• 更强 retrieval-first 路线

后续可以做：

• frozen backbone baseline
• adapter fine-tune

---

8. 最新关键提交（便于新 session 快速定位）

近几次关键提交建议优先看：

• 6232787 Make segmentation strategy benchmarks comparable under fixed query budgets
• f04a314 Benchmark real FMA segmentation strategies on a capped smoke subset
• d7a0894 Favor beat-aligned candidate segments for music ACR training/query generation
• b6cdf66 Add high-energy and onset-aware music segment selection
• d221852 Add explicit drop zones for real open-music corpora
• eee15ac Automate the full open-dataset smoke workflow behind one command
• 8795907 Generate release artifacts for the open-dataset smoke path
• dc9ef1b Close the open-dataset smoke loop through evaluation

---

9. 最新真实数据切片 benchmark 状态（重启后优先续跑这里）

已完成的最新事实

当前项目已经不是“只有 random 切片”：

• 训练/外部 query 生成支持：
  • random
  • silence_aware
  • high_energy
  • onset_aware
  • beat_aware
  • repeated_section_aware
  • hybrid
• 已接入的 librosa 逻辑：
  • effects.split
  • onset.onset_detect
  • beat.beat_track
  • feature.chroma_cqt

已完成的小规模 capped 验证

命令：

cd /workspace/acr-engine
/usr/local/miniconda3/bin/python scripts/ab_smoke_segmentation.py \
  --dataset fma \
  --input-dir data/raw/fma_small_audio \
  --work-root /tmp/ab_smoke_cap \
  --subset-size 6 \
  --query-duration 8 \
  --train-epochs 1 \
  --batch-size 2 \
  --device cpu \
  --strategies hybrid \
  --max-test-queries 5 \
  --output-json /tmp/ab_smoke_cap/report.json

结果：

• max_test_queries = 5
• num_queries = 5
• top1 = 1.0
• topk = 1.0

正在进行的中规模 capped FMA benchmark

命令：

cd /workspace/acr-engine
/usr/local/miniconda3/bin/python scripts/ab_smoke_segmentation.py \
  --dataset fma \
  --input-dir data/raw/fma_small_audio \
  --work-root /tmp/ab_smoke_seg_cap16 \
  --subset-size 16 \
  --query-duration 8 \
  --train-epochs 1 \
  --batch-size 2 \
  --device cpu \
  --strategies hybrid beat_aware high_energy repeated_section_aware \
  --max-test-queries 12 \
  --output-json /tmp/ab_smoke_seg_cap16/report.json

在本次交接时，cap16 已完成，最终结果如下：

策略	num_queries	top1	topk	状态
hybrid	12	1.0	1.0	已完成
high_energy	12	1.0	1.0	已完成
beat_aware	12	0.9167	1.0	已完成
repeated_section_aware	12	0.8333	1.0	已完成

重启后第一优先动作

1. 先检查：

pgrep -af 'ab_smoke_seg_cap16|external_adapters.py smoke-local fma /tmp/ab_smoke_seg_cap16|evaluate.py --data /tmp/ab_smoke_seg_cap16|run_demo.py build-index --data /tmp/ab_smoke_seg_cap16'

1. 如果 report.json 已存在，优先读取并同步文档
2. 如果中断：
   • 保留已有 /tmp/ab_smoke_seg_cap16/* 结果作人工记录
   • 重新跑缺失策略，或单独跑：

cd /workspace/acr-engine
/usr/local/miniconda3/bin/python src/data/external_adapters.py smoke-local \
  fma /tmp/ab_smoke_seg_cap16/subset_audio \
  --output-root /tmp/ab_smoke_seg_cap16/high_energy \
  --eval-ratio 0.2 \
  --query-duration 8.0 \
  --query-strategy high_energy \
  --segment-strategy high_energy \
  --train-epochs 1 \
  --batch-size 2 \
  --device cpu \
  --max-test-queries 12 \
  --seed 42

1. 当前这轮 cap16 的最终建议已经形成：
   • 默认优先：hybrid
   • 强次选：high_energy
   • beat_aware / repeated_section_aware 更适合作为补充对照，而不是默认策略

---

10. cap24 top2 对照实验（进行中）

为进一步判断 hybrid 与 high_energy 的并列关系，已经启动更大的真实 FMA 对照：

cd /workspace/acr-engine
/usr/local/miniconda3/bin/python scripts/ab_smoke_segmentation.py \
  --dataset fma \
  --input-dir data/raw/fma_small_audio \
  --work-root /tmp/ab_smoke_seg_cap24_top2 \
  --subset-size 24 \
  --query-duration 8 \
  --train-epochs 1 \
  --batch-size 2 \
  --device cpu \
  --strategies hybrid high_energy \
  --max-test-queries 16 \
  --output-json /tmp/ab_smoke_seg_cap24_top2/report.json

当前 fresh evidence：

策略	subset	max_test_queries	top1	topk	状态
hybrid	24	16	1.0	1.0	已完成
high_energy	24	16	0.8125	1.0	已完成

恢复检查命令：

pgrep -af 'ab_smoke_seg_cap24_top2|external_adapters.py smoke-local fma /tmp/ab_smoke_seg_cap24_top2|evaluate.py --data /tmp/ab_smoke_seg_cap24_top2|run_demo.py build-index --data /tmp/ab_smoke_seg_cap24_top2'

cap24 top2 最终结论：

• hybrid：16 / 1.0 / 1.0
• high_energy：16 / 0.8125 / 1.0
• 这个结果比 cap16 更能说明问题：当前默认策略应明确固定为 hybrid

---

11. cap32 top2 对照实验（已完成）

为了确认 cap24 的结论不是偶然，已继续启动更大的真实 FMA top2 对照：

cd /workspace/acr-engine
/usr/local/miniconda3/bin/python scripts/ab_smoke_segmentation.py \
  --dataset fma \
  --input-dir data/raw/fma_small_audio \
  --work-root /tmp/ab_smoke_seg_cap32_top2 \
  --subset-size 32 \
  --query-duration 8 \
  --train-epochs 1 \
  --batch-size 2 \
  --device cpu \
  --strategies hybrid high_energy \
  --max-test-queries 20 \
  --output-json /tmp/ab_smoke_seg_cap32_top2/report.json

最终结果：

项目	状态
subset_size	32
max_test_queries	20
hybrid	num_queries=20, top1=0.95, topk=1.0
high_energy	num_queries=20, top1=0.5, topk=1.0
report.json	已生成

恢复检查命令：

pgrep -af 'ab_smoke_seg_cap32_top2|external_adapters.py smoke-local fma /tmp/ab_smoke_seg_cap32_top2|evaluate.py --data /tmp/ab_smoke_seg_cap32_top2|run_demo.py build-index --data /tmp/ab_smoke_seg_cap32_top2|train.py --data /tmp/ab_smoke_seg_cap32_top2'

cap32 top2 最终结论：

• hybrid：20 / 0.95 / 1.0
• high_energy：20 / 0.5 / 1.0
• cap24 与 cap32 两轮更大真实子集都指向同一结论：默认策略固定为 hybrid

---

12. cap48 top2 对照实验（已完成）

为继续扩展真实数据证据链，已启动更大的 FMA top2 对照：

cd /workspace/acr-engine
/usr/local/miniconda3/bin/python scripts/ab_smoke_segmentation.py \
  --dataset fma \
  --input-dir data/raw/fma_small_audio \
  --work-root /tmp/ab_smoke_seg_cap48_top2 \
  --subset-size 48 \
  --query-duration 8 \
  --train-epochs 1 \
  --batch-size 2 \
  --device cpu \
  --strategies hybrid high_energy \
  --max-test-queries 24 \
  --output-json /tmp/ab_smoke_seg_cap48_top2/report.json

最终结果：

项目	状态
subset_size	48
max_test_queries	24
high_energy	num_queries=24, top1=0.9167, topk=1.0
hybrid	num_queries=24, top1=0.7917, topk=1.0
report.json	已生成

恢复检查命令：

pgrep -af 'ab_smoke_seg_cap48_top2|external_adapters.py smoke-local fma /tmp/ab_smoke_seg_cap48_top2|evaluate.py --data /tmp/ab_smoke_seg_cap48_top2|run_demo.py build-index --data /tmp/ab_smoke_seg_cap48_top2|train.py --data /tmp/ab_smoke_seg_cap48_top2'

cap48 top2 最终结论：

• high_energy：24 / 0.9167 / 1.0
• hybrid：24 / 0.7917 / 1.0
• 这轮结果与 cap24 / cap32 不一致，说明当前默认策略结论还不能视为彻底封板
• 下一步应优先做：
  1. 更大 subset（如 64+）
  2. 多 seed 复跑
  3. style-aware bucket benchmark

---

13. cap48 top2 第二个 seed（已完成）

为验证 cap48 的“high_energy 反超”是否稳定，已启动第二个 seed：

cd /workspace/acr-engine
/usr/local/miniconda3/bin/python scripts/ab_smoke_segmentation.py \
  --dataset fma \
  --input-dir data/raw/fma_small_audio \
  --work-root /tmp/ab_smoke_seg_cap48_top2_seed123 \
  --subset-size 48 \
  --query-duration 8 \
  --train-epochs 1 \
  --batch-size 2 \
  --device cpu \
  --strategies hybrid high_energy \
  --max-test-queries 24 \
  --seed 123 \
  --output-json /tmp/ab_smoke_seg_cap48_top2_seed123/report.json

最终结果：

项目	状态
subset_size	48
max_test_queries	24
seed	123
hybrid	num_queries=24, top1=0.9583, topk=1.0
high_energy	num_queries=24, top1=0.9167, topk=1.0
report.json	已生成

seed123 最终结论：

• hybrid：24 / 0.9583 / 1.0
• high_energy：24 / 0.9167 / 1.0
• cap48 至少已经表现出明显的 seed 敏感性
• 因此当前默认策略的判断应基于 多 seed 聚合，而不是单次 cap48 反转

cap48 两次 seed 的当前聚合结论

策略	runs	mean_top1	min_top1	max_top1	stdev_top1
high_energy	2	0.9167	0.9167	0.9167	0.0
hybrid	2	0.8750	0.7917	0.9583	0.0833

当前最稳妥的解释：

• high_energy 在 cap48 两次 seed 上的均值暂时领先
• hybrid 结果波动更大，但单轮峰值更高
• 后续默认策略不应只看某一次单跑，而应继续累计 seed / style bucket 的聚合结果
• b766c74 Make open-dataset manifests trainable end to end
• fa23144 Add a single-page open dataset workflow for training prep
• af33be3 Condense docs and add manifest validation before training

这些 commit 基本覆盖了当前开放数据与文档演进主线。

---

9. 新 session 接手时的推荐动作

如果你是新的 session，建议顺序：

1. 读：
   • docs/README.md
   • docs/open-dataset-workflow.md
   • docs/session-handoff.md
   • docs/current-capability-map.md
2. docs/training-data-and-pgvector-guide.md
   • acr-engine/FIRST_RUN_CHECKLIST.md

3. FMA 真实子集下载脚手架已存在：acr-engine/scripts/fetch_fma_subset.py；最近验证结果是旧直链 403、页面级历史 URL 404；但 https://modelscope.cn/datasets/pengzhendong/fma/resolve/master/fma_small.zip 已验证 200 OK 且支持 range

   • 运行 acr-engine/scripts/status_snapshot.py
   • 或直接查看最新落盘快照：acr-engine/.omx/latest_status_snapshot.json

4. 检查真实数据是否已落位：

   • acr-engine/data/raw/fma_small_audio/
   • acr-engine/data/raw/mtg_jamendo_audio/

5. 如果已有真实音频：

   • 直接跑 smoke-local

6. 如果还没有真实音频：

   • 继续优化 synthetic-as-open-fixed
   • 或继续补开放数据下载/清洗自动化

7. 每完成一个阶段：

   • 更新 docs/CHANGELOG.md
   • git commit
   • git push

---

10. 注意事项

• 这个仓库里存在已跟踪的 __pycache__ 文件；提交时要小心不要让它们污染变更。
• 当前最稳定的改进方向不是盲目调训练权重，而是：
  • retrieval-time fusion
  • 更真实开放数据
  • 更真实评测
• 开放数据布局现在依赖“自包含输出根”：
  • audio/
  • manifests/ 这一点后续不要破坏。

---

Sources

• README.md
• open-dataset-workflow.md

• CHANGELOG.md

• FMA 下载完成后可直接执行：acr-engine/scripts/fma_postdownload_ready.py

• 若需要等待下载完成并自动切到解压/就绪检查，可直接执行：acr-engine/scripts/wait_for_fma_and_prepare.py

99. 本次 checkpoint 的明确结论

• hybrid 的 seed=999 评测结果已先行落盘：top1=0.875, topk=1.0, num_queries=24。
• 本次已经完成“交接可续跑化”交付。
• 本次没有等待 seed=999 长时 CPU benchmark 完成，因此算法默认策略不做新结论跳变。
• 当前最新稳妥表述仍然是：
  • high_energy 在已知两轮 cap48 aggregate 中更稳
  • hybrid 上限更高但波动更大
  • 最终默认策略要看更多 seed 聚合结果

100. 新一轮验证已启动：cap64

• 已启动：/tmp/ab_smoke_seg_cap64_top2
• 配置：subset_size=64, max_test_queries=32, seed=42
• 当前最新证据：
  • cap64 已完成：
  • hybrid：num_queries=32, top1=0.875, topk=1.0
  • high_energy：num_queries=32, top1=0.625, topk=1.0
  • cap64 winner：hybrid
  • 当前结论已进入“分子集规模不一致”阶段，必须继续做 bucket/style-aware benchmark

101. bucket/style-aware benchmark 基线已落地

• 新脚本：acr-engine/scripts/ab_smoke_bucketed.py
• 已通过：py_compile
• 已验证首个 bucket：prefix_000_a
  • hybrid: 4 / 1.0 / 1.0
  • high_energy: 3 / 1.0 / 1.0
  • winner: hybrid
• 当前第二个 bucket prefix_000_b 仍在继续执行