[yzeyu71]

从 cosdt-ci-test/workflows 的 minionerec 看护迁入本站：单卡 910B 上跑 SFT、约束解码评估与推荐导向 RL 三个阶段，含文档、守卫测试、薄触发器与站点登记。

文档

新增 sources/minionerec/quick_start.md，## 1–## 10 按操作顺序编号，前置条件按「硬件 / 软件 / 本文验证环境」三张表，结尾 ## 相关链接。

## 3 克隆 AkaliKong/MiniOneRec 的 main。## 4 用与 CANN 9.1.0 配套的 torch 栈（torch 2.9.0 + torch_npu 2.9.0.post2）单独安装依赖：上游 requirements.txt 面向 CUDA（torchrec、fbgemm_gpu 是 +cu118 安装包，另带整套 nvidia-*-cu12 运行库），NPU 上不适用。## 7 的基座模型与预处理数据都从 HuggingFace 拉取（Qwen/Qwen2.5-0.5B、kkknight/MiniOneRec），没有 ModelScope 与 hf-mirror 依赖。

两个入口的设备差异

sft.py 与 evaluate.py 对 torch.cuda 的依赖不同。前者把设备选择交给 TrainingArguments，transformers 的设备链里 NPU 分支排在 CUDA 之前，不做任何注入也能拿到 npu:0；后者在模块级就写成 device = "cuda" if torch.cuda.is_available() else "cpu"，不注入必然落到 CPU。

## 5 用一段命令同时打印这两个结果，## 6 把 sitecustomize.py 放进 /tmp，只通过 PYTHONPATH 挂到评估与 RL 两条命令上——不写 site-packages，仓库源码保持字节级不变，由 ## 6 的 git status --porcelain 断言。

RL 的三处改动

rl.py 有三个写死值与单卡运行冲突，用一条 sed 就地替换：optim="paged_adamw_32bit" 走 bitsandbytes，而 bitsandbytes 只提供 CPU、CUDA 等后端，没有 NPU 实现；sample = -1 会把整个商品目录展开，训练拉长到上万步；RLSeqTitle2SidDataset(..., sample=10000) 的采样上限写在调用处，训练集切到 40 行后 DataFrame.sample 会抛 Cannot take a larger sample than population。

已知限制：这个规模下日志里的 reward、loss、grad_norm 会一直是 0。rule_reward 是精确匹配，1 epoch 的 SFT 命中率接近 0，ndcg_rule_reward 在整组无命中时补 0，GRPO 的组内优势因此无从计算。所以 RL 段只断言流程贯通（退出码为 0，且 rl_out/final_checkpoint 下有权重、config、tokenizer），不比对指标。另外 save_steps=0.1 在按步触发下永不满足，训练过程不写 checkpoint，断言也据此避开 trainer_state.json。

守卫

tests/minionerec/test_quick_start_ascend.py 继承 doc_test.base.MarkdownDocTestBase，prepare_environment 只做 CANN 环境、git 与工作目录（/root/minionerec-test），其余步骤全部由文档执行。

.github/workflows/minionerec-quick-start.yml 只声明项目变量：fixed_ref: main（上游没有 release tag）、linux-aarch64-a2-1、cann:9.1.0-910b-ubuntu22.04-py3.12、timeout_minutes: 120，cron 取 50 11,23 * * *，与现有槽位错开。

克隆不做重试循环，只保留 --depth 1。该仓库单快照约 96 MiB 且集中在 4 个 17–20 MiB 的 CSV/npy，跨境链路上偶发 early EOF；若后续频繁翻红再单独调整 clone 写法。

站点

index.rst 在「训练与微调」分组增加卡片（图标 _static/images/minionerec.svg），toctree 增加 sources/minionerec/index.rst。conf.py 的 exclude_patterns 补上 sources/minionerec/quick_start.md，由 index.rst include，不单独成页。

验证

PR 上的守卫已经把整份文档在 NPU 上真跑了一遍（run 42148748699，19 个步骤全部通过）：克隆 9.9 s 一次成功（无重试）、依赖安装 147.6 s、HuggingFace 拉取 Qwen2.5-0.5B 与预处理数据正常、SFT 约 11 分钟、约束解码评估 CC=0、RL 13.7 分钟并落盘 rl_out/final_checkpoint。站点构建（Github Pages build）也通过。doc_url 在 PR 运行取 PR head SHA，GitHub 的 raw 服务可以在主仓命名空间下取到 PR head 提交，所以 fork 分支也能取到文档。

[github-actions]

📖 文档预览：https://ascend.github.io/docs/pr-preview/pr-271/sources/minionerec/

也可打开整站首页。

构建自 0cc57db043d5148de77a90142dbb9d219eb4b116。
每次推送后自动更新，PR 关闭时自动清理。