language-conditioned-psychometric-harmonization-model/research/audit/environment_audit.md

阶段 0 运行环境审计与补强

审计日期：2026-09-20
最后补强：2026-09-20
审计状态：passed（Python、R、心理测量、复杂抽样与 CUDA 工具链均已运行验收）
工作流：Document/research-workflow.md v1.0

1. 结论

本机现已具备项目阶段 1–7 所需的主要本地软件能力：列式数据处理、常规统计、复杂抽样、SEM/EFA/IRT、PyMC Bayesian 推断、JAX/NumPyro 可选后端、本地 NLP/表格基线和 GPU 计算。所有正式分析应使用项目独立环境，而不是系统 Python。

• Python：项目内 CPython 3.12.14 与 .venv-research，195 个包已锁定。
• R：项目内 R 4.6.1 与 .r-library/4.6，renv 锁定 119 个包；全安装表 134 行。
• CUDA：系统 CUDA Toolkit 13.4.2 / nvcc 13.4.92；MSVC 14.44；端到端 kernel 编译和 GPU 运行通过。
• GPU Python：PyTorch 2.14.0+cu130 在 RTX 5060 Ti 上通过矩阵运算。

环境就绪不解除研究设计门槛：正式模型仍必须等待相应阶段的题库、可识别性、冻结验证方案和 Gate 判定。

2. 硬件与系统

项目	核验结果	判定
操作系统	Microsoft Windows 10.0.26100，x64	可用
逻辑处理器	28	可用
物理内存	31.82 GiB	中等规模处理可用；大表仍须分块/列式/稀疏化
GPU	NVIDIA GeForce RTX 5060 Ti，16,311 MiB VRAM，compute capability 12.0	可用
NVIDIA 驱动	596.36	可用；未被 Toolkit 安装器替换
项目盘 E:	补强后可用约 250.48 GiB	当前项目有余量；继续约束缓存与中间产物

3. 核心工具

工具	版本/路径	验收
项目 Python	CPython 3.12.14；E:\Model\.venv-research	通过
系统 Python	3.13.7	保留，不用于正式项目环境
R / Rscript	R 4.6.1 UCRT x64；E:\Model\.tools\R-4.6.1	通过
CUDA Toolkit	13.4.2；nvcc V13.4.92	通过
MSVC host compiler	Visual Studio 2022 Community，MSVC 14.44.35207	通过
Git	2.51.0.windows.1	已安装；E:\Model 不是 Git 仓库
Pandoc	3.11	可用

4. Python 研究环境

4.1 关键版本

类别	包与版本
数值/表格	numpy 2.5.3；scipy 1.18.1；pandas 3.0.6；polars 1.44.2；pyarrow 25.0.1；duckdb 1.5.5
统计	statsmodels 0.15.0；scikit-learn 1.6.1；xgboost 3.4.1
Bayesian	PyMC 6.3.2；PyTensor 3.3.2；ArviZ 1.3.0；nutpie 0.16.11；JAX 0.11.2；NumPyro 0.22.0；BlackJAX 1.6.2
心理测量	semopy 2.3.11；factor-analyzer 0.5.1；pingouin 0.6.1；girth 0.8.0
GPU/NLP	torch 2.14.0+cu130；torchvision 0.29.0+cu130；transformers 5.17.0；sentence-transformers 6.1.0；tabpfn 9.0.0

scikit-learn 固定在 1.6.1，以保留 factor-analyzer 0.5.1 所需的弃用兼容层。torchaudio 因项目无音频任务且官方 cu130 索引没有同代 2.14.0 Windows wheel而未纳入。

4.2 运行验收

research/environment/smoke-test-result.json 记录：

• 25 个目标模块全部导入；pip check 无断裂依赖。
• PyMC/nutpie 完成最小后验采样。
• semopy CFA 与 factor-analyzer 拟合通过。
• TabPFN、Transformers 与 Sentence Transformers 导入通过。
• PyTorch 在 RTX 5060 Ti 上执行 CUDA 矩阵乘法，结果有限。

50 draws 的 PyMC 测试仅证明环境可运行，不用于统计诊断或研究结论。

5. R 研究环境

5.1 关键版本

类别	包与版本
复杂抽样	survey 4.5；srvyr 1.3.1
IRT/SEM	mirt 1.47；lavaan 0.7-2；semTools 0.5-9；psych 2.6.5
数据交换	arrow 25.0.1；haven 2.5.5；data.table 1.18.6.1；readr 2.2.0
复现	renv 1.2.4；targets 1.12.0

5.2 运行验收

research/environment/r-smoke-test-result.json 记录：

• 19/19 顶层包导入通过。
• survey 复杂抽样加权均值返回有限估计。
• lavaan CFA 明确收敛。
• mirt 一维 2PL 在已知生成数据（500 人、8 题）上明确收敛。
• Arrow Parquet 写入/读回成功。

6. CUDA Toolkit 验收

• 官方网络安装器 MD5：a0810494c821437671d6e68e66f59daf。
• nvcc --version：CUDA 13.4，V13.4.92。
• cuda-smoke-build.cmd 在 MSVC 环境中以 sm_120 编译 cuda-smoke.cu。
• 生成程序在 GPU 上执行 kernel，并输出 cuda_smoke_result=42。
• Toolkit 与 PyTorch wheel 的 CUDA runtime 版本可以不同；项目当前 PyTorch wheel 使用 cu130，已经独立通过 GPU 回归。

7. 缓存、存储与数据边界

• 所有可控运行缓存定向到 E:\Model\.cache 或 E:\Model\.uv-cache，避免受限用户目录。
• .venv-research 约 4.39 GiB；.r-library 约 0.23 GiB。
• Dataset 有 734 个文件，总计约 19.06 GiB；继续使用 Parquet/Arrow、分块和稀疏/长表策略。
• 嵌入模型权重尚未冻结；模型 ID、revision、许可、语言覆盖和缓存哈希须在阶段 5 前另行审计。

8. 能力门槛

能力	当前状态	仍需满足的研究门槛
元数据/题库整理	ready	阶段 1 来源双重核查
共现矩阵/锚定图	ready_with_limits	分块/稀疏实现与阶段 2 可识别性审计
复杂抽样描述/方差	ready	冻结 estimand、权重、分层与 PSU 处理
SEM/IRT 审计	ready	二元/有序题必须用适当模型，不套连续 CFA 模板
PyMC 分层模型/SBC	ready	等阶段 3 冻结模拟与诊断标准
本地文本嵌入原型	ready_with_limits	先冻结模型/许可/语言覆盖，隔离测试证据
CUDA 自定义扩展	ready	使用 CUDA 13.4 + MSVC 14.44；保留编译日志

9. 可复现产物

产物	SHA-256
python-requirements.lock.txt	ab8b3162673357891b91fcad7c917fc51cb0a78e27c7e7b979be55c6178699d6
renv.lock	e953f512597b29c233ba5106420f3486e7bb59eaa68d59d3a37ce5a4e2a819f6
r-installed-packages.csv	6fd8ee5c4c0b86a7f1cb5ab43b998bde15e206d4759757787aa7ca91cc110fc9
r-session-info.txt	f091c2b80df38e485ca6907d2376d8340266c40ea6f1767aaaa6e4a67dc4739d
r-package-versions.json	20847cfc813f5450804ca3c67d9950a313d7813d21852671985e6a3c52e3c3f5
smoke-test-result.json	36fe9596221d6bcb9a4a913d6dc870afa1be41cd427d11c9a300459640d14cd7
r-smoke-test-result.json	164cf3587bb0b1df34b9687d09e148f2b262faddc590d9dde61478c847da6779

使用与恢复步骤见 research/environment/README.md。

10. 输入绑定

输入	SHA-256
Document/research-workflow.md	5606e8b10064c980a4a08a91ab7e8db73b04e5077d3440d4f26a40dbf90709e5
research/audit/data_manifest.csv	0427a19c3287a2691edbd9a4486917989fe369fcb0f729a01477ce27cd8f98f2