用途
eagle3-validate 用于验证一次 EAGLE3 流水线运行是否端到端成功完成，并检查其是否满足质量判定标准。该技能面向 NVIDIA model-optimizer 的 EAGLE3 流水线，适合在流水线运行结束后执行验收与诊断分流。
主要能力
定位实验
技能会查找最近的实验目录，或向用户询问路径：
ls -td experiments/cicd/cicd_* | head -5
每个实验目录下按任务编号（0–3）各有一个子目录，其中包含日志文件；日志文件名随启动方式不同而变化，Slurm 为 sbatch_*.out，本地 Docker 为 *.log。
检查任务结果
技能会匹配并读取各日志文件的尾部：
find experiments/<exp_id>/ -type f \( -name '*.out' -o -name '*.log' \) | sort | while read -r f; do
echo "=== $f ==="; tail -50 "$f"; echo
done
4 个任务都必须无错误完成。判定依据包括：exit code: 0 或无错误视为成功；DUE TO TIME LIMIT 视为超时；FAILED / signal / exception traceback 视为失败。若有任务失败，技能会建议运行 /eagle3-triage。
核对工件是否存在
技能检查每一步是否产生预期输出（工件位于集群的 /scratchspace/），并通过日志消息确认：
- task_0：日志出现 "Saved N samples" 或进度条完成，工件为 /scratchspace/data/*.jsonl
- task_1：日志出现 "Successfully processed N conversations"，工件为 /scratchspace/offline_hidden_states/*.pt
- task_2：训练损失下降、出现 "export complete"，工件为 /scratchspace/eagle3/model.safetensors 与 /scratchspace/export/
- task_3：出现 Average Acceptance Length ... ratio: X.XX，工件为 JSON 结果文件
检查接受率
在 task_3 日志中查找：
Average Acceptance Length {'accept': X, 'count': Y, 'ratio': Z.ZZ}
其中 ratio 字段即接受率（AR）。判定标准：AR（MT-Bench）大于等于 2.1 为 PASS，否则为 FAIL。如果日志显示 AR ... < lower bound，说明运行已触发阈值失败（退出码 1）。
检查训练质量
在 task_2 日志中查看：
- 最终训练损失：应呈下降趋势，且不为 NaN
- 训练期间的 AR 验证（若设置了 training.ar_validate_steps）
- 训练步数：确认完成了完整训练时长
生成验证报告
技能按固定模板输出报告，包括：实验目录、模型名、日期、流水线配置路径；0–3 各步骤的状态表（PASS/FAIL/TIMEOUT 及备注）；接受率（MT-Bench AR、阈值 >= 2.1 及 PASS/FAIL）；训练摘要（最终损失、训练步数、训练期间 AR 若已验证）；以及总体 PASS/FAIL 与单行总结。
建议后续步骤
- 若 PASS：建议将已验证结果（及检查点路径）记录到团队内部 triage 跟踪器；该模型可作为候选，通过专门 PR 添加为启动器示例。
- 若 FAIL：指出失败的具体步骤或指标，建议运行 /eagle3-triage 进行诊断。对于低 AR，需要从运行中诊断具体原因（训练损失曲线、数据量与质量、草稿头容量、超参数），并针对该场景给出修复建议；低 AR 可能由多种原因造成，因此应避免使用通用检查清单。
适用场景
适合在 EAGLE3 流水线（数据合成、隐藏状态导出、训练与导出、基准测试）运行结束后，用作统一的验收检查与结果归档环节，并作为进一步诊断（eagle3-triage）前的分流判断。
限制
技能说明中的路径与文件名（如 experiments/cicd/cicd_*、/scratchspace/）基于该流水线的默认布局，实际使用需按现有运行环境对应确认。关于收费、价格、支持的平台、具体安装步骤以及效果保证，资料中暂未提供。