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]

优先级：P1

请恢复 agent Python 路径的解析、校验和 runtime env 传递。原启动脚本会从 DEEPEYES_V2_APP_ENV_ROOT 解析该路径，这里没有对应设置，env.sh.example 也仅设置环境根目录。run_agent_app.sh 启用了 set -eu，第 22 行直接读取 DEEPEYES_V2_APP_PYTHON；隔离运行已复现 unbound variable，因此按默认准备流程启动时，每个 agent 都会在生成轨迹前退出。

可在构造环境 JSON 时恢复这项配置：

Suggested change

	EXTRA_ENV_VARS_JSON="\"SANDBOX_BACKEND\": \"apptainer_jupyter\",
	DEEPEYES_V2_APP_PYTHON="${DEEPEYES_V2_APP_PYTHON:-${DEEPEYES_V2_APP_ENV_ROOT:-/tmp/deepeyes-v2-app-env}/.venv/bin/python}"
	if [ ! -x "${DEEPEYES_V2_APP_PYTHON}" ]; then
	echo "ERROR: Run bash ${SCRIPT_DIR}/scripts/prepare_app_env.sh to prepare ${DEEPEYES_V2_APP_PYTHON}."
	exit 1
	fi
	EXTRA_ENV_VARS_JSON="\"DEEPEYES_V2_APP_PYTHON\": \"${DEEPEYES_V2_APP_PYTHON}\",
	\"SANDBOX_BACKEND\": \"apptainer_jupyter\",

[rai-studio-bot]

优先级：P2

请使用当前的评估并发参数。relax/utils/arguments.py 只注册了 --agentic-eval-concurrency，而 Megatron 解析入口设置了 ignore_unknown_args=True，这里的 prepare-pool 参数会被忽略。评估实际按训练会话容量推导并发；例如将 ROLLOUT_BATCH_SIZE 改为 64、保持每组 8 个样本时，评估会运行 64 组，而非此处配置的 32 组，增加 agent/sandbox 资源占用。

Suggested change

	--agentic-eval-prepare-pool-size 32
	--agentic-eval-concurrency 32

第 176 行的 --agentic-prepare-pool-size 0 同样未注册，应删除；当前训练组并发由 --agentic-concurrency 控制，且要求大于 0。

[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.}