RobustLLMAgent

ALFWorld 与 WebShop 的 Qwen2.5 LoRA adapters。主实验统一使用 checkpoint step200，training seed=0、thinking off。

模型	环境	方法	Adapter
Qwen2.5-1.5B	alfworld	Vanilla	step200
Qwen2.5-7B	alfworld	Vanilla	step200
Qwen2.5-1.5B	alfworld	SAM	step200
Qwen2.5-1.5B	alfworld	Gaussian	step200
Qwen2.5-1.5B	alfworld	SPrPO	step200
Qwen2.5-7B	alfworld	Gaussian	step200
Qwen2.5-7B	alfworld	SPrPO	step200
Qwen2.5-1.5B	webshop	Vanilla	step200
Qwen2.5-7B	webshop	Vanilla	step200
Qwen2.5-1.5B	webshop	SAM	step200
Qwen2.5-1.5B	webshop	Gaussian	step200
Qwen2.5-1.5B	webshop	SPrPO	step200
Qwen2.5-7B	webshop	Gaussian	step200
Qwen2.5-7B	webshop	SAM	step200

消融实验位于 results/<benchmark>/robust_training/ablation/<condition>/。 旧版本名称、当前路径、rho/alpha/warmup 和 checkpoint SHA256 见 实验目录表，完整记录见 experiments.json。

WebShop 主 SPrPO 对应旧 v6；ALFWorld 主 SPrPO 对应旧 v5。WebShop 主 SAM 为 fresh-start 版本，旧 continuation 仅保留作历史消融依赖。warmup=50/80 的 v4/v5 已移除；无调度消融保留。

当前版本不再提供 step300/400 权重。历史训练日志、run_config.json 与论文绘图输入仍记录实际训练过程和原始评测步数；它们不会因目录整理被改标为 step200。未达到 step200 的运行仅列为 incomplete，不提供 step200 adapter。

下载 adapter 时搭配对应 Qwen2.5-Instruct 基座使用。论文图表及复现数据见 evaluation_results，代码见 GitHub。