管线说明（09-24）：本页是首个用
官方 Docker 镜像整套跑完的评测：原版上游代码、官方默认配置（CPU 物理、Fabric 关、单环境），无任何渲染补丁，因此不再需要逐条渲染核验。09-24 起 config_exp 60k 也在同一官方管线重跑（
结果页）：同管线下 config_exp 14.4% vs 本页 11.7%，差距 2.6 个百分点；之前看到的 build_tower / tic_tac_toe 大幅下降是 GPU→CPU 物理的差异，不是 checkpoint。上游 09-16/09-19 改过 stack_blocks_by_language 和 organize_table 的指令文本，这两个任务的文本 embedding 缓存已按新指令重算后补跑（AGENT.md §6 (h)）。