CompanionGuard-RL/CLAUDE.md

CompanionGuard-RL — 项目宪法

目标期刊：SCI Q1/Q2（Information Processing & Management / Expert Systems with Applications） 这份文件是所有 AI 助手会话的首要参考，优先级高于任何对话中的临时指令。

---

项目目标

为 AI 情感陪伴场景构建检测 + 干预一体化安全流水线，解决两个核心缺口：

1. 现有 guard 模型（Llama Guard、WildGuard）只检测、不干预——不知道该对高风险输出做什么
2. 通用安全模型对伴侣特有风险（依赖强化、孤立强化、浪漫化、危机不响应）系统性漏检

---

架构

输入 X = (Persona P, History H, User u_t, AI Response r_t)
              ↓
   [Module B: Context-aware Risk Detector]
   backbone: hfl/chinese-macbert-large + CrossAttention
              ↓
   D = (y_risk, l_risk 0-4, c_primary R1-R10, c_fine 14标签)
              ↓
   s_t = StateEncoder(D, e_H_pool, e_P_pool, t_norm)  ← obs_dim = 2065
              ↓
   [Module C: RL Intervention Policy π (BC + PPO)]
              ↓
   a_t ∈ {PASS, WARN, REWRITE, REJECT, CRISIS}

---

模块状态

模块	状态	关键指标
数据集 CompanionRisk-Bench v4	✅	9,896 样本，14 标签全覆盖（train 6,926 / dev 1,484 / test 1,486）
Module B 检测器 v4	✅	binary_f1=0.9995, FNR=0.00%, level_weighted_f1=0.559
Module B 泛化验证	✅	human subset binary_f1=0.9848，无同源过拟合
Module C v3（当前）	⚠️	safety_recall=1.0 ✅，over_refusal=0.004 ✅，action_accuracy=0.575 ❌，crisis_precision=0.421 ❌
Module C v5（下一步）	🔄	reward 重写 + 环境修复，见 change.md 完整路线
论文写作	🔄	待 Module C v5 完成后启动

Module C 尚未完成。v3 的 action_accuracy 和 crisis_precision 均未达标，需要按 change.md 执行 v5。

---

Red Lines（关键规则，违反必出 bug）

#	规则	违反后果
1	PyYAML 陷阱：配置文件 lr 必须写 0.001，禁止写 1e-3	PyYAML 6.x 将 1e-3 解析为字符串，训练静默失败
2	NCCL 环境变量：RTX 5090 训练必须加 NCCL_SHM_DISABLE=1 NCCL_P2P_DISABLE=1	NCCL 通信报错崩溃
3	Module C 只能单 GPU：PPO 阶段禁止多卡	torch.distributed.barrier() 在 RTX 5090 引发 CUDA illegal memory access
4	状态向量用 det_l_risk：preprocessing.py 和 evaluate.py 必须用检测器预测的风险等级，不能用 ground truth l_risk	train/eval 不一致，指标虚高
5	obs_dim = 2065 固定：[d_score(1) + l_risk_onehot(5) + c_primary_probs(10) + e_H_pool(1024) + e_P_pool(1024) + t_norm(1)]	维度不匹配崩溃
6	BC 阶段用 CPU tensor 再构建 DataLoader：pin_memory=True 要求 CPU tensor	RuntimeError: cannot pin cuda tensor

---

文件地图

项目级（根目录）

文件	用途
state.md	当前进度快照（最新）
change.md	Module C v5 完整技术路线（待执行，含 13 项任务）
exp.md	踩坑经验库（12 类，排查问题先查这里）
experiments/eval_intervention_v3.json	Module C 当前最佳结果（论文参考基准）
experiments/eval_intervention_v4.json	v3 重跑确认（数字相同，验证可复现）
docs/	研究文档（研究框架、数据集设计、前期报告）

代码级（code/）

路径	用途
code/src/models/detector.py	Module B 主模型
code/src/models/intervention_agent.py	Module C Actor-Critic（obs_dim=2065→256→5）
code/src/rl/reward.py	多目标奖励（v5 需重写）
code/src/rl/companion_env.py	离线 RL 环境（v5 需修复类别信号）
code/src/utils/preprocessing.py	build_obs_vector（必须用 det_l_risk）
code/configs/intervention_config.yaml	Module C 训练配置
code/checkpoints/detector/best.pt	Module B 最优权重（1.35GB，frozen）
code/checkpoints/intervention/final_v2.pt	Module C v3 权重（5MB，当前最佳）

---

服务器速查

	服务器 1（主训练）	服务器 2（当前使用）
SSH	ssh -p 20083 root@10.82.3.180	ssh -p 20060 root@10.82.3.180
密码	m2dGcwyrhI	zwfn65xjTY
Python 环境	/opt/conda/envs/dlapo-py310-cu128/bin	$PROJ/../env/dlapo-py310-cu128/bin
GPU	4 × RTX 5090 32GB	2 × RTX 5090 32GB

服务器 1 $PROJ：/root/siton-data-2849d4ce327c4ccfb233ce33868fe7fe/zsy/CompanionGuard-RL 服务器 2 $PROJ：/root/siton-data-740d234e02d749f08fe5347b0c74c49f/zsy/my-reasearch/companionguard-rl MacBERT（两台）：$PROJ/../macbert-large（服务器 2 在 ../zsy/macbert-large）

上传代码（本地 → 服务器）

scp -P 20083 -r `
  D:\Myresearch\CompanionGuard-RL\code\src `
  D:\Myresearch\CompanionGuard-RL\code\scripts `
  D:\Myresearch\CompanionGuard-RL\code\configs `
  root@10.82.3.180:/root/siton-data-2849d4ce327c4ccfb233ce33868fe7fe/zsy/CompanionGuard-RL/

取回结果（服务器 → 本地）

scp -P 20083 -r `
  root@10.82.3.180:/root/siton-data-2849d4ce327c4ccfb233ce33868fe7fe/zsy/CompanionGuard-RL/experiments `
  D:\Myresearch\CompanionGuard-RL\

scp -P 20083 -r `
  root@10.82.3.180:/root/siton-data-2849d4ce327c4ccfb233ce33868fe7fe/zsy/CompanionGuard-RL/checkpoints `
  D:\Myresearch\CompanionGuard-RL\code\