feat(sft): Phase 13 正式 7B SFT/LoRA baseline（launcher + evaluator + merge tool）

[xianyu9n]

Phase 13 — 7B SFT baseline（reproducible baseline + candidate downstream-init artifact）

注：本 PR 是 reproducible SFT baseline；Phase 13 checkpoint 不是冻结的 RL 初始化。
正式实验只固定基模 Qwen/Qwen2.5-7B-Instruct，不冻结任何具体 checkpoint。

Commits

• b8b5216 feat(sft): 7B LoRA baseline launcher + choice-metrics evaluator + verl LoRA→HF merge tool
• 85c1264 feat(sft): baseline eval JSON 持久化每条 completion
• 41c24e3 refactor(sft): Phase-13 的 end_to_end 指标改名 proxy_e2e（factorized/proxy 语义）
• e05f7ed fix(sft): merge 前 review 修复（见下）

Changed files

• script/verl/sft/run_baseline.sh — Qwen2.5-7B-Instruct SFT/LoRA 训练 launcher（env 化，输出 hyperparams.json）
• script/verl/sft/evaluate_baseline.py — factorized/proxy 评估器（choice protocol，复用 agent.evaluation）
• script/verl/sft/merge_lora_checkpoint.py — verl LoRA FSDP checkpoint → 合并 HF 目录

Merge 前 review 修复（e05f7ed）

• contract validation 改为 hard gate：script.verl.sft.validate 非 0 → 打印错误并 exit 2，不再 warning 后继续训练（token-budget gate 逻辑不变）。
• checkpoint 默认配置改安全：SAVE_FREQ=50（低频）、MAX_CKPT_KEEP=4（上限，避免 7B FSDP ckpt ~15GB/个塞满盘）；默认不绑定任何数据集步数。
• grad accumulation fail-fast：TRAIN_BATCH_SIZE 不能被 MICRO_BATCH_SIZE_PER_GPU × GPUS 整除时直接报错退出，不再整数除法静默截断。
• RL-init 措辞修正：移除“seeds later GRPO/RLOO/ReMax / 可作为后续 RL 共同初始化”表述；只把 checkpoint 定位为 reproducible SFT baseline / candidate downstream-initialization artifact；仅固定基模。

验证

• 训练（既有）：pers_info 280 样本、LoRA r8/α16、4 epochs=140 steps、seed 42，exit 0（0 OOM，峰值显存 31.3 GiB/32G）
• 结果（test n=18/stage）：base vs SFT-final —— Stage1 Recall@5 0.278→0.444；Stage2 acc 0→0.833；proxy E2E 0→0.389
• tests：tests/task/ evaluation/ rl/ → 184 passed, 1 skipped
• bash -n run_baseline.sh / py_compile 通过；grad-accum guard 功能测试（batch=7 → exit 2）通过
• 未改 prompt/reward/parser/data/parquet schema；proxy_e2e 为 factorized 指标（Stage2 用预构造 gold bundle），true-E2E 见 PR feat(eval): Phase 13.5 classification framework freeze + true end-to-end evaluator #12

说明

• 阶段内未做 RL、未做超参搜索。
• 完整实验记录在本地报告 docs/reports/stage-13-sft-baseline-report.md（按仓库约定不入库）。