训练框架升级后先复跑哪些实验本文围绕“版本更新后先测什么”整理检查要点。示例仅用于说明方法请以公开、合成或已脱敏输入复跑。1. 先固定讨论边界训练问题应拆成数值正确性、数据供给、显存使用和通信行为四部分。先以小规模、固定输入验证前向和反向结果再观察多进程路径避免把单一监控值当成整体结论。结论应同时附上适用条件和未覆盖项。若数据、依赖或执行路径发生变化应重新运行验证而不是沿用旧记录。2. 按最小闭环验证每次试验都应写清框架版本、设备类型、批量形状、随机种子和启动方式。发生偏差时优先比较中间张量与梯度而不是直接调整并行参数。建议先写出可失败的断言再保存输入摘要、配置与结果摘要。这样既便于定位差异也避免在排障材料中保留不必要的内容。3. 参考实现与图示以下片段保留原有技术结构。运行前请替换为本地的非敏感示例并根据依赖版本核对接口。4. 复核清单输入是否可公开、合成或完成脱敏。数据版本、依赖版本和运行配置是否可追溯。对比是否使用相同的输入范围与度量定义。失败路径是否有最小复现和可诊断的错误信息。总结“版本更新后先测什么”应以清晰的条件和脚本复核。先记录边界再解释结果。
