用途：当固定的每日 verl + MindSpeed 训练任务跑完后，判断结果是否健康、属于训练失败还是精度回归，并找出最可能的近期提交。默认基线对比日志为 /home/st_daily_verl/msverl.log，训练日志模式为 /home/st_daily_verl/logs/msverl_YYYYMMDD.log；verl 仓库为 https://github.com/verl-project/verl.git（main 分支），MindSpeed 仓库为 https://gitcode.com/Ascend/MindSpeed.git（master 分支），临时克隆缓存根为 /tmp/msverl-skill-cache，默认时间窗口为本地前一天 00:00:00 至任务执行时刻。
判定规则：先读对比日志；若含 mean abs diff: 且解析值恰为 0，报成功并停止；若非零，归为 accuracy_regression；若含 error, please check log，归为 train_error；若日志含义不明，先报 unknown 并说明缺失证据，不要做高成本操作。
工作流：对对比日志运行 parse_result_log.py，通过即停止；train_error 时用 extract_failure_tail.py 提取每日训练日志尾部的高信号错误块；accuracy_regression 时以解析出的 reward 列表和 mean abs diff 为主要证据；用 sync_repos.py 同步轻量本地克隆，用 list_recent_commits.py 在两个仓库内按默认时间窗口收集近期提交，用 rank_candidate_commits.py 排序可疑提交；仅当标题和改动文件不足以解释修复方向时，才查看排名前几提交的 diff。
成本控制：除非尾部提取器连续失败两次，否则不加载整份训练日志；优先只看最后一段 traceback 或最后一个 ERROR 块；先用标题和改动文件排序提交再看 diff；每仓库深读 diff 限制在前 3 个候选，除非证据仍然不足。
输出报告字段：status（pass、train_error、accuracy_regression 或 unknown）、time_window、evidence_summary、candidate_repo、candidate_commits、confidence（high、medium、low）、fix_direction。证据不足时明确说明，不要强行归因到单个提交。可用 triage_msverl_regression.py 跑端到端本地流程，也可单独使用 parse_result_log.py、extract_failure_tail.py 手工验证日志，或用 list_recent_commits.py 获取未排序的近期提交清单。收费、价格、平台支持等资料暂未提供。