用途：对 nvidia/Cosmos-Reason2-8B 进行视频问答（video QA）与视频推理任务的有监督微调（SFT），也可用于评估、量化与推理。预训练权重来自 HuggingFace，而非 NGC，且为门控模型，必须提供 HF_TOKEN，用户需先在 https://huggingface.co/nvidia/Cosmos-Reason2-8B 接受模型协议并授予读取权限。令牌通过 docker_env_var 传入容器。
主要能力：使用 FSDP 并行，GPU 数由 dp_shard_size 指定，节点数由 dp_replicate_size 指定（非标准 num_gpus/num_nodes）。模型为 8B 参数，推荐 8×A100 或 H100（各 80GB）。数据集类型为 llava 格式的 vlm，支持训练、评估、测试；输入可为数据集根目录（root 模式映射 <root>/annotations.json 并将 <root> 作为媒体路径）或直接 spec 键路径。启动前必须抽样 annotation JSON 并确认每条记录含 video_fps，缺失会导致 Cosmos-RL SFT 加载器报错 'video_fps'，应在运行前停止并要求修复。
使用方式：cosmos-rl 为 mode: config。始终从 references/spec_template_train.yaml（评估用 spec_template_evaluate.yaml）以 yaml.safe_load 载入再叠加用户覆盖；spec 为嵌套字典，点号表示路径到叶节点赋值。数据源覆盖为每个动作必填。关键训练覆盖：policy.model_name_or_path 用 hf_model://nvidia/Cosmos-Reason2-8B 或本地检查点；policy.model_max_length 保持 40960 或更高；train.train_batch_per_replica 需为 train.train_policy.mini_batch 的整数倍；train.train_policy.type 保持 "sft"。评估使用扁平 TOML 配置，task 可为空字符串（通用评估器，自动检测是/否分类并计算 TP/FP/TN/FN/准确率/精确率/召回率/F1）或 "its_directionality"（左/右/直行，不用于碰撞检测）。AutoML 在模型层启用，默认经 tao-skill-bank:tao-run-automl 路由，除非显式关闭或缺少打包的 train schema/template。
适用场景：视频问答与视频推理模型的微调、评估、量化与推理，以及 DEFT 视频 QA 工作流契约。
限制：仅支持 config 模式与 llava 格式 vlm 数据；门控模型需授权；token 与数据集格式错误会导致启动失败；AutoML 不可运行状态需等 schema 生成；暂未提供其他平台或价格信息。