NOTE / 05TIERS / TRANSFER
LMCache：把 KV 状态放进存储层级
当可复用上下文超过 GPU 常驻容量，问题从“有没有缓存”变成“缓存在哪里、何时搬运、是否值得搬运”。LMCache 为推理引擎提供 KV 存储与传输连接，将复用扩展到 CPU、磁盘和远端层级。它改变的是状态的生命周期和位置。
FIG. 01TIERS / TRANSFER
TIER 00GPU · HBM
TIER 01CPU · DRAM
TIER 02NVMe / Remote
资源 / 技术指南
从输入文件到可核对的报告。
这条路径复跑离线评测机制。要逐项重现公开结果，还需相同的矩阵、检查点、参数与软件版本。
运行前核对输入
以下命令从已安装 Enthalpy 的项目根目录执行，不会自动准备你的业务数据或生产凭据。
- 矩阵
- 使用记录了各任务、各候选模型奖励与成本的矩阵。先查看统计，确认任务标识、候选覆盖和成本字段；没有成本的数据不能支持美元成本结论。
- 检查点与模型池
- 检查点必须与评测矩阵和模型池对应。公开矩阵训练出的检查点不能直接作为你自己的供应商模型池的生产检查点。
- 环境与存档位置
- 准备依赖与编码器权重，记录版本、设备及运行参数，并为新的实验名称与报告路径留出空间，避免覆盖已有结果。
先检查矩阵，再启动训练
下面使用你已准备的 mine.jsonl.gz。若尚无矩阵，可用 enthalpy data list 查看公开来源，再按其说明下载。
- 数据获取与回放分开
- 公开数据下载需要网络与本地存储。data harvest 则会真实调用供应商并产生费用；它不是复跑离线评测所必需的一步。
enthalpy data matrix stats data/matrices/mine.jsonl.gz
enthalpy train sft \
--matrix data/matrices/mine.jsonl.gz \
--name gen1生成基线比较与成本扫描
训练和评测回放矩阵，不调用供应商。若矩阵带有来源划分，则来源划分优先于下方哈希划分参数；保留划分日志。
- 不要只保留控制台结论
- 报告同时写入 JSON 与 Markdown；成本扫描另存为 sweep.json。将报告与检查点身份、命令和日志一起保存。
enthalpy eval \
--matrix data/matrices/mine.jsonl.gz \
--checkpoint gen1 \
--test-fraction 0.3 --split-seed 0 \
--reference best_single --sweep-cost \
--out reports/gen1.json输出文件各自负责什么
评测复核和对外引用应使用生成文件，而不是手工重录结果。
- gen1.json / gen1.md
- JSON 保存评测数据；Markdown 提供表格、比较与口径。引用时检查来源划分描述，并保留边界标记和区间。
- gen1.sweep.json
- 保存成本权重、各策略点与前沿信息。使用仓库的 sweep_table.py 格式化，不假设评测命令会自动输出扫描表格。
- 检查点与日志
- 保存 checkpoint_id、模型池指纹、训练参数与实际划分来源。数值一致之前，先确认比较的是同一实验。
python3 scripts/sweep_table.py reports/gen1.sweep.json结果不一致时先查什么
先排除输入与环境差异，再解释算法差异。
模型池指纹不匹配
核对模型标识、供应商、模型名称与描述。不要跳过一致性检查来加载不匹配的检查点；改用对应池或重新训练。
样本数量或结果与公开表不同
核对数据版本、官方划分、任务过滤、训练参数与检查点。重新训练一个同名实验不等于获得公开案例的同一检查点。
继续阅读
继续：检查报告是否可引用