CompanionGuard-RL/code/CLAUDE.md

CompanionGuard-RL — 项目参考文档

本文件由 Claude Code 自动读取。训练已全部完成，当前阶段：论文写作。

---

项目状态（2026-05-12）

模块	状态	关键指标
数据集 CompanionRisk-Bench v4	✅ 完成	9,896 样本，全 14 标签覆盖
Module B — 检测器（MacBERT-large）	✅ 完成	binary_f1=0.9995, level_weighted_f1=0.559
Module C — RL 干预策略（PPO）	✅ 完成	safety_recall=1.0, over_refusal=0.004
论文写作	🔄 进行中	—

详细结果见项目根目录 ../state.md，踩坑经验见 exp.md，变更记录见 change.md。

---

本地目录结构

D:\Myresearch\CompanionGuard-RL\
├── code/                  ← 本目录（源代码）
│   ├── src/               ← 18 个核心 .py（models/ rl/ utils/）
│   ├── scripts/           ← 训练/评估/数据生成脚本
│   ├── configs/           ← 4 个 yaml 配置
│   ├── checkpoints/       ← 模型权重（gitignored）
│   │   ├── detector/best.pt        ← Module B 论文权重（1.35GB）
│   │   └── intervention/final_v2.pt ← Module C 论文权重
│   ├── experiments/       ← 评估结果 JSON
│   │   ├── eval_intervention_v3.json ← Module C 论文用
│   │   └── eval_intervention_v4.json ← v3 重跑确认（数字相同）
│   └── data/              ← 处理后数据（gitignored）
├── data/                  ← 原始数据集（gitignored）
├── docs/                  ← 研究文档
├── state.md               ← 项目进度快照（最新）
└── experiments/           ← 根目录评估结果备份

---

服务器信息

服务器 1（主训练机）

项目	值
SSH	ssh -p 20083 root@10.82.3.180
密码	m2dGcwyrhI
项目目录	/root/siton-data-2849d4ce327c4ccfb233ce33868fe7fe/zsy/CompanionGuard-RL
MacBERT	/root/siton-data-2849d4ce327c4ccfb233ce33868fe7fe/zsy/macbert-large
环境	/opt/conda/envs/dlapo-py310-cu128（torch 2.7.1+cu128）
GPU	4 × RTX 5090 32GB

服务器 2（当前使用）

项目	值
SSH	ssh -p 20060 root@10.82.3.180
密码	zwfn65xjTY
项目目录	/root/siton-data-740d234e02d749f08fe5347b0c74c49f/zsy/my-reasearch/companionguard-rl
MacBERT	/root/siton-data-740d234e02d749f08fe5347b0c74c49f/zsy/macbert-large
环境	/root/siton-data-740d234e02d749f08fe5347b0c74c49f/zsy/env/dlapo-py310-cu128
GPU	2 × RTX 5090 32GB

两台服务器在同一宿主机 10.82.3.180，不同 Docker 容器。

---

SCP 同步命令（本地 ↔ 服务器）

# ===== 本地 → 服务器1（上传代码）=====
$S1="root@10.82.3.180"
$PROJ1="/root/siton-data-2849d4ce327c4ccfb233ce33868fe7fe/zsy/CompanionGuard-RL"

scp -P 20083 -r `
  D:\Myresearch\CompanionGuard-RL\code\src `
  D:\Myresearch\CompanionGuard-RL\code\scripts `
  D:\Myresearch\CompanionGuard-RL\code\configs `
  D:\Myresearch\CompanionGuard-RL\code\requirements.txt `
  ${S1}:${PROJ1}/

# 上传已处理数据
scp -P 20083 -r `
  D:\Myresearch\CompanionGuard-RL\code\data `
  ${S1}:${PROJ1}/

# ===== 服务器1 → 本地（取回结果）=====
scp -P 20083 -r `
  ${S1}:${PROJ1}/checkpoints `
  D:\Myresearch\CompanionGuard-RL\code\

scp -P 20083 -r `
  ${S1}:${PROJ1}/experiments `
  D:\Myresearch\CompanionGuard-RL\code\

---

核心脚本用法

# 重新评估检测器（Module B）
python scripts/evaluate.py \
  --detector-ckpt checkpoints/detector/best.pt \
  --config configs/detector_config_server.yaml \
  --test-data data/processed/CompanionRisk-Bench/test.jsonl \
  --source-filter all \
  --output experiments/eval_all.json

# 重新评估干预策略（Module C）
python scripts/evaluate.py \
  --detector-ckpt checkpoints/detector/best.pt \
  --agent-ckpt checkpoints/intervention/final_v2.pt \
  --test-data data/processed/CompanionRisk-Bench/test.jsonl \
  --config configs/detector_config_server.yaml \
  --intervention-config configs/intervention_config.yaml \
  --output experiments/eval_intervention_v3.json

---

关键结果（论文用）

Module B — 检测器 v4

指标	值
binary_f1	0.9995
high_risk_recall	1.0000
FNR	0.00%
level_weighted_f1	0.559
fine_macro_f1（public 10类）	0.484

Module C — RL 干预策略 v3（论文用，eval_intervention_v3.json）

方法	safety_recall	over_refusal	action_accuracy	safety_ux_fscore
Rule-based	0.908	0.000	—	0.952
Threshold	0.908	0.000	—	0.952
Ours (RL)	1.000	0.004	0.575	0.998

使用权重：checkpoints/intervention/final_v2.pt（用 det_l_risk 重训）

---

重要注意事项

• PyYAML 6.x 陷阱：lr 值必须写 0.001 而非 1e-3（后者被解析为字符串）
• RTX 5090 NCCL：多卡训练需 NCCL_SHM_DISABLE=1 NCCL_P2P_DISABLE=1；PPO 阶段用单卡绕开 barrier 问题
• det_l_risk vs l_risk：评估和训练均须用检测器预测的 det_l_risk，不能用 ground truth l_risk
• obs_dim = 2065：state 向量结构 [d_score(1)|l_risk_onehot(5)|c_primary_probs(10)|e_H_pool(1024)|e_P_pool(1024)|t_norm(1)]