[Question]: Dualvln数据配比

[GodoneZ]

Question

• 作者您好，感谢开源 InternNav 和 DualVLN。

我们按照公开配置完成了两阶段训练：

• Stage 1：R2R 4组视角 + RxR 4组视角 + ScaleVLN 2组视角，均按100%使用；
• Stage 2：R2R、RxR、ScaleVLN各2组视角，每组使用%30采样；
• 单节点8张80GB GPU；
• per-device batch size为2，gradient accumulation steps为8，global batch size为128；
• Stage 1训练14k steps，Stage 2训练15k steps。

最终在R2R val_unseen上得到SR 57.69、SPL 53.71，与官方SR 64.3、SPL 58.5仍有差距。

想请问官方结果实际使用的训练配置：

1. 官方训练是否还混入EnvDrop或general video QA？如果有，大致数据比例是多少？
2. 官方最终结果对应的Stage 1和Stage 2分别训练了多少optimizer steps？
3. Stage 1的停止条件是论文中的14k steps、Issue中建议的约20k steps，还是按完整epoch训练？
4. 官方实际使用的GPU数量、单卡batch size和global batch size是多少？

感谢！