xECG_base_model_v1 · Ascend NPU 迁移验收

1. 模型与版本

• 模型：riccardolunelli/xECG_base_model_v1，12 导联 ECG 基础模型（patch embedding、 双向 xLSTM 与平均池化表示）。
• 官方镜像：https://ai.gitcode.com/hf_mirrors/riccardolunelli/xECG_base_model_v1
• 固定 revision：b06053253a9bd21445d8189b21813484929a3ffa
• 权重：model.safetensors；许可：MIT。

2. 当前验收口径

本仓只接受一次真实 Hosted Ascend NPU 推理，不运行 CPU Golden，不进行精度评估， 也不进行 CPU/NPU 或 NPU 双跑数值比较。inference.py 是唯一验收入口，并执行以下 fail-closed 门禁：

1. --device 只接受 npu:N；CPU、CUDA 或 NPU 不可用均非零退出，无设备回退。
2. 离线检查运行所需模型文件存在。
3. 直接调用快照中的真实 xECG.forward(x)；根模块 pre/post hook 必须各观测到一次调用。
4. 全部参数、buffer、真实 forward 输入和输出必须在同一 NPU 设备。
5. 在 NPU 上检查输出形状、335872 个输出值、有限值和输入未被修改；任何失败均非零退出。
6. 仅在以上门禁和同 PID 取证等待结束后，输出才复制到主机用于 JSON 序列化。

checkpoint 的 sLSTM 参数按 CUDA backend 布局保存。本入口用 xlstm 自带的 ext2int 等价 reshape/permute 公式转换布局，再以纯 PyTorch vanilla backend 在 NPU 执行；这是权重装载转换，不是 CPU 推理桥接。模型 forward 的输入、参数、buffer 与输出 均由上述 hook 和设备门禁验证。

3. 环境与依赖

• Hosted 平台栈：CANN / PyTorch / torch_npu 保持平台预装版本，不在本仓 requirements 中替换。
• 模型级依赖：xlstm==2.0.4、safetensors。
• 快照目录应包含 config.json、xECG.py、上游 requirements.txt 和 model.safetensors；运行全程离线。

在全新容器中按固定公开地址和 revision 获取模型到 ./model，再安装单份锁版 模型层依赖。本任务没有辅助模型或外部源码包。

git clone https://ai.gitcode.com/hf_mirrors/riccardolunelli/xECG_base_model_v1 ./model
git -C ./model checkout b06053253a9bd21445d8189b21813484929a3ffa
git -C ./model lfs pull

python -m venv .venv --system-site-packages
. .venv/bin/activate
python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

requirements.txt 不含 wheel、本地路径，也不替换平台 CANN、torch 或 torch_npu。 入口不做身份、revision、SHA、manifest 或固定参数量核验，只保留 NPU-only、 shape/count/finite、真实 forward 与退出码门禁。

4. 唯一 Hosted 运行命令

模型快照放在 ./model 后，只运行以下命令；90 秒窗口用于同一 PID 的两个时间点 设备调用截图，最长允许值为 600 秒：

. .venv/bin/activate
EVIDENCE_HOLD_SECONDS=90 python inference.py --model_path ./model --device npu:0 --seed 20260816 --output_json ./result.json

终端打印 EVIDENCE_HOLD_START 后，保留该进程并在另一终端两次执行 npu-smi info。 两张设备图必须能对应 JSON 中同一个 pid，并展示该 PID 的 NPU 使用；禁止提前释放容器。

5. 固定输入与输出

• 输入：8 条确定性合成 12 导联 ECG 样式信号，形状 [8,1000,12]，导联顺序 i,ii,iii,avr,avl,avf,v1,v2,v3,v4,v5,v6。
• 真实输出：cls_pooled [8,1024] 与 patch_embeddings [8,40,1024]， 共 335872 个值，全部必须有限。
• hosted_result.json 必须包含设备链、根 forward 调用次数、PID、输出计数和 exit_status=0；它是 Hosted 实跑结果，不得用前半段记录代填。

6. Hosted 真实运行记录（待执行）

上表任一字段尚未由真实跑次填充，或六张图片任一不是本次真实 Hosted 证据时，不得 push、 不得提交比赛。前半段曾在 Ascend910B3 完成 NPU 运行，仅是诊断基线，不能冒充本表结果。

7. 三张主截图

7.1 Agent 工作流规划

提示词必须让 Agent 针对本模型规划固定 revision 校验、依赖隔离、sLSTM backend 适配、 full-NPU fail-closed、真实运行取证和仓库收口工作流。截图只需同时看见模型专属提示词与 模型已经开始给出的迁移规划；不要要求它伪造运行结果。

7.2 NPU 设备调用

两张图必须来自 EVIDENCE_HOLD_SECONDS 期间的两个时间点，能关联同一推理 PID，并显示 该 PID 正在使用 NPU。

7.3 模型运行结果

两张图必须展示唯一命令的真实终端输出和 hosted_result.json 关键字段；不得使用 前半段数据、占位数据或手工编造指标。

稍晚时刻的第二组三图归档在独立图片仓，不混入参赛仓。

8. 失败语义与历史文件

缺少模型文件、非 NPU 设备、NPU 不可用、设备链混用、根 forward 未真实 执行一次、输出形状/计数/有限性不符、或 JSON 写入失败，均必须以非零退出结束。

accuracy/accuracy.json 与 accuracy/compare_accuracy.py 是旧的前半段双跑审计材料， 保留用于来源追溯，但不属于当前 full-NPU-only Hosted 验收步骤，也不得在 README 中声明为 本次精度结果。

本仓为 2301_76761127 队伍交付件（与备份账号合并提交）。