MITstrict PPO policy state dict + torch_nputorch_npu / npu:0本作品在大赛官方远端 Ascend Model Agent 的 Ascend910 上加载真实 checkpoint,并完成 CartPole-v1 强化学习策略 NPU 推理。CPU fallback 被禁止;模型、输入与输出设备信息、权重加载审计、输出统计、软件版本和耗时均固化在 evidence/result.json。
严格校验官方 ppo-CartPole-v1 policy.pth SHA-256,并以 strict=True 加载官方 PPO 两层 Tanh 策略/价值网络;模型、4 维状态输入、策略 logits 与价值输出均在 npu:0。
远端环境应预先安装版本匹配的 CANN、PyTorch 与 torch_npu,不要用普通 pip install 覆盖官方运行时。
python3 -m pip install -r requirements.txt
python3 inference.py --model-dir /tmp/atomgit/phase4-seq61-ppo-cartpole-v1 --output-dir outputs --device npu:0
npu-smi info
cat outputs/result.jsonnpu:0[1,4][1,2]138.484 msevidence/result.json 是机器可读事实源;三张证据图分别呈现 Agent 适配流程、NPU 设备闭环和模型输出结果。
npu:0

