feat(klx): deepeyes v2 agentic run through and raw_reward match

[grootZ]

What

镜像：iregistry.baidu-int.com/xpu/xrelax_torch29_ubuntu2204_xsgl0510_dev:20260831_3
启动命令：bash examples/deepeyes_v2_agentic/run_deepeyes_v2_agentic_klx.sh
目前能够跑通，已完成200步并且raw_reward对齐

Why

How

Testing

• pre-commit run --all-files passes
• Tests pass (pytest tests/)
• New tests added (if applicable)
• Documentation updated (if applicable)

Type of Change

• Bug fix (non-breaking change that fixes an issue)
• New feature (non-breaking change that adds functionality)
• Breaking change (fix or feature that would cause existing functionality to change)
• Documentation update
• Refactoring (no functional changes)
• Performance improvement
• CI/CD or build changes

Screenshots / Logs

[rai-studio-bot]

发现需要在合入前修复的 agent 启动问题，另有并发参数未生效的问题；细节和修复建议见行级评论。Bash 语法检查通过；CI 的 pre-commit 已通过，Python 测试仍在运行。当前无可用昆仑芯训练集群，未执行硬件集成测试。

• 优先级：P3 非行级：PR 描述仍为空模板。请补充昆仑芯硬件与软件镜像版本、实际启动命令、已完成的 rollout/训练步数，以及标题中 “match” 的对齐指标和结果，便于复现和判断验证范围。

^{Powered by Nyanpasu with gpt-6-astra medium, please check the suggestions carefully.}

[rai-studio-bot]

描述已补充镜像及 200 步运行、raw_reward 对齐说明，上次的描述建议已部分落实。当前提交未变化，原行级评论中的启动和并发参数问题仍待修复；本次没有新增行级评论。CI 已全部通过。

• 优先级：P3 非行级：新补充的验证命令指向 run_deepeyes_v2_agentic.sh，而本 PR 新增的是 run_deepeyes_v2_agentic_klx.sh，尚无法确认 200 步结果是否覆盖新增脚本。若实际验证的是昆仑芯脚本，请将命令更正为 bash examples/deepeyes_v2_agentic/run_deepeyes_v2_agentic_klx.sh，并注明运行所用提交和必要的环境覆盖；若运行的是原脚本，请明确该验证范围，并补充新增脚本的运行结果。

^{Powered by Nyanpasu with gpt-6-astra medium, please check the suggestions carefully.}

[Michael-Salon]

建议修改：
P1 — 缺少 Agent 必需的 Python 解释器配置，默认启动会失败。
run_deepeyes_v2_agentic_klx.sh (line 134)
KLX 版本删除了原脚本对 DEEPEYES_V2_APP_PYTHON 的初始化、存在性检查和 runtime env 传递，但 run_agent_app.sh 仍在 set -u 下直接使用该变量。外部环境未预设时，每个 Agent 都会退出。已通过最小调用复现：DEEPEYES_V2_APP_PYTHON: unbound variable。建议恢复默认路径、启动校验及 Ray worker 环境传递。

P1 — W&B API key 会明文进入启动日志。
run_deepeyes_v2_agentic_klx.sh (line 12)
脚本启用 set -x 后展开并导出真实 key，随后又通过 --wandb-key 传入 Ray 提交命令；两处都会被 xtrace 输出，命令参数也可能保留在任务元数据中。建议关闭密钥处理及提交阶段的 xtrace，并通过受控环境传递凭据，避免命令行明文参数。

[rai-studio-bot]

已复查 a2b2094：原 agent 启动阻塞问题已修复，评估并发参数也已生效；未发现仍需阻塞合入的问题。训练侧旧参数的清理建议已补充到原线程，另在行级评论中指出了已有 Ray 集群下 W&B 凭据传递的回归。

Bash 语法及环境构造检查通过；CI 的 pre-commit 已通过，Python 测试仍在运行。无可用昆仑芯集群，未执行硬件集成测试。

• 优先级：P3 非行级：描述已明确镜像、脚本及 200 步验证，建议已部分落实。请补充该次运行所用提交、必要的环境覆盖和 raw_reward 对照结果，以区分已验证配置与当前默认 2000 步配置。

^{Powered by Nyanpasu with gpt-6-astra medium, please check the suggestions carefully.}

[rai-studio-bot]

Nyanpasu 审查看板

审查状态： 💬 已完成 · 有补充意见

审查版本： a3a52f7598fec58e815e405e6cf61a1473d8e574

Agent Python 和 W&B 凭据传递问题已解决。评估并发已修复，训练侧旧参数及验证信息仍待补充；没有新发现。Bash 语法及四种凭据合并隔离检查通过。pre-commit 已通过，Python CI 测试在审查时仍运行中。无可用昆仑芯集群，未执行硬件集成测试。

编号	问题	优先级	状态	规则来源
F1	Agent Python 路径配置和传递		✅ 已解决	—
F2	并发参数有效性：评估已修复，训练旧参数仍保留		🛠️ 部分解决	—
F3	验证提交、环境覆盖及 raw_reward 对照结果		🛠️ 部分解决	—
F4	已有 Ray 集群下传递 W&B 凭据		✅ 已解决	—

^{Powered by Nyanpasu with gpt-6-astra medium, please check the suggestions carefully.}

[rai-studio-bot]

已复查 a3a52f7：W&B 凭据已合并到 job runtime env，上次的凭据传递问题已解决。普通值、含转义字符的值、空值和占位值的隔离检查均通过，原环境字段得到保留，合并阶段未将测试凭据输出到 xtrace。未发现新的阻塞问题，本次没有新增行级评论；训练侧旧参数的清理建议仍见原讨论。

Bash 语法检查通过；pre-commit 已通过，Python CI 测试仍在运行。无可用昆仑芯集群，未执行硬件集成测试。

• 优先级：P3 非行级：运行说明已部分补充；请继续补充验证提交、必要的环境覆盖及 raw_reward 对照结果，使描述中的 200 步结果可复现。

^{Powered by Nyanpasu with gpt-6-astra medium, please check the suggestions carefully.}