update-golden-values

用途：从指定的 GitHub Actions 工作流运行中拉取产物，覆盖 tests/functional_tests/test_cases/**/golden_values_*.json，并按测试/模型环境生成带符号的百分比变化摘要，供提 PR 使用。主要能力：调用仓库内两个脚本——download_golden_values.py 下载并覆盖 golden values；compare_golden_values_kl.py 将工作区 golden 与 git HEAD 对比，输出每个 (file, metric) 的 avg_rel_diff = mean((old − new) / old)（文件名保留 _kl 后缀，但已不再计算 KL 散度）。使用方式：需用户提供 GitHub Actions 工作流运行 ID（运行 URL 中的数字 ID）与范围（only-failing 仅下载失败/取消的 job，或 all 下载所有产生 golden values 的 job；未指定时需询问，不得静默默认）。设置 GITHUB_TOKEN（若已登录 gh 可由 gh auth token 派生，且不得提交或长期导出），创建 venv 并安装 click、python-gitlab、requests。按范围选择是否加 --only-failing，运行下载脚本；再运行比较脚本生成 CSV，并将 avg_rel_diff 乘以 100 得到带符号百分比，按测试/环境逐行输出表格。摘要中仅依据带符号百分比给出解释，如 lm loss 在 -0.01% 到 +0.01% 视为噪声，超出 -0.1% 到 +0.1% 需关注；内存类指标超出 -0.01% 到 +0.01% 需复核；iteration-time 负值表示新运行更慢，正值更快，除非重复否则视为调度/预热噪声。限制：--only-failing 仅在 GitHub 路径生效；无 git HEAD 基线的新 golden 文件会被静默跳过并告警；|old| < 1e-12 的步骤被排除，若某指标全部步骤被排除则该行省略；不得将模型合并为幅度聚合、不得使用无符号幅度排序，也不得提交 token 或 venv。