AltmanD · Nov 12, 2026
diff --git a/.github/workflows/ci.yml b/.github/workflows/ci.yml
@@ -26,8 +26,6 @@ jobs:
         run: python -m pytest
       - name: Example contract smoke
         run: bash examples/native/cpu_contract_smoke.sh
-      - name: New user Hello World
-        run: harborrl hello --out-dir /tmp/harborrl-hello
       - name: Training dry run
         run: python -m harborrl.cli train --config examples/native/train_qwen_native.yaml --dry-run
       - name: Public tree audit
@@ -79,8 +77,6 @@ jobs:
           python -m venv /tmp/harborrl-wheel
           /tmp/harborrl-wheel/bin/pip install dist/*.whl
           /tmp/harborrl-wheel/bin/harborrl --help
-          cd /tmp
-          /tmp/harborrl-wheel/bin/harborrl hello --out-dir /tmp/harborrl-wheel-hello
       - uses: actions/upload-artifact@v4
         with:
           name: harborrl-dist

diff --git a/.gitignore b/.gitignore
@@ -38,8 +38,8 @@ docs/agents/*
 !docs/agents/environment-check.md
 !docs/configuration-wizard.md
 !docs/deployment.md
+!docs/math-distill.md
 !docs/sandbox-rollout.md
-!docs/rollout-runtime-lifecycle.md
 !docs/train-inference-consistency.md
 !docs/web-console.md
 practices/**/VALIDATION.md

diff --git a/README.md b/README.md
@@ -25,9 +25,11 @@
 
 ## News
 
-- **2026-10-26** Added an [offline configuration wizard](docs/configuration-wizard.md) and a [local Web console](docs/web-console.md) for configuration, validation, dry-runs, training launch, and logs.
-- **2026-10-26** Added [controller/GPU deployment configuration](docs/deployment.md), optional [OpenSandbox execution](docs/sandbox-rollout.md), and opt-in [train/inference consistency checks](docs/train-inference-consistency.md).
-- **10/2026** 📣📣📣 HarborRL released
+- **2026-11-12** Added [gateway horizontal sharding](docs/deployment.md) with static routing, elastic auto-growth (remote-first), and automatic retirement.
+- **2026-11-12** Added [Hub deployment mode](docs/deployment.md) for clusters with one-way network paths: nodes pull tasks over HTTP, no cross-machine SSH required.
+- **2026-11-12** Added [online math training](docs/math-distill.md) (GRPO, DAPO, process rewards, OPD, PRM distillation) on the shared Slime/Megatron + SGLang pipeline.
+- **2026-11-12** Added [configuration wizard](docs/configuration-wizard.md), [web console](docs/web-console.md), and [sandbox rollout](docs/sandbox-rollout.md) with audited cleanup.
+- **2026-11-12** 10/2026 📣 HarborRL released
 
 ## About
 
@@ -42,18 +44,23 @@ HarborRL supports flexible combinations of **Models × Algorithms × Tasks × Ha
 
 ## AI-assisted Configure
 
+For offline option browsing, configuration validation, and interactive or
+answer-file setup, see the [configuration CLI guide](docs/configuration-wizard.md).
+
+For mathematical data validation and scoring utilities, see the [math adapter guide](docs/math-distill.md).
+
 For the offline options catalog, interactive configuration, and answer-file setup,
 see the [configuration CLI guide](docs/configuration-wizard.md).
-Start with `harborrl hello` for a CPU walkthrough requiring no model, GPU or task
-JSON. It executes scripted attempts and a real verifier, then exports a GRPO batch
-with fixture tokens. Continue with `harborrl options` or `harborrl init --help`.
-The wizard detects one shared Local environment, calculates model fingerprints,
-and supports incomplete drafts (`:save` / `--resume`).
+Start with `harborrl options` or `harborrl init --help`.
 
 Run `harborrl web` to open the local browser console for configuration, validation,
-drafts, filled Local/Sandbox examples, Hello World, dry-runs, training launch, and logs. See the [web console guide](docs/web-console.md)
+dry-runs, training launch, and logs. See the [web console guide](docs/web-console.md)
 for remote-controller access and lifecycle details.
 
+For the optional math PRM/OPD reference trainer, see
+[Math training pipeline](docs/math-distill.md). It includes explicit synthetic
+fixtures for testing real optimizer updates and checkpoint restore.
+
 If you want an AI agent to help deploy this repository and verify training,
 ask it to first read and strictly follow
 [docs/agents/environment-check.md](docs/agents/environment-check.md).
@@ -122,15 +129,10 @@ Expected result: uv executes the installed entry point and tests without activat
 For native training, install the pinned backend stack in a writable location:
 
 ```bash
-bash scripts/bootstrap_backends.sh "<Path to HarborRL backends>"
-. "<Path to HarborRL backends>/harborrl-backend.env"
+bash scripts/bootstrap_backends.sh <Path to HarborRL backends>
+. <Path to HarborRL backends>/harborrl-backend.env
 ```
 
-The generated file exports `SLIME_DIR`, `MEGATRON_DIR`, and `SGLANG_IMAGE` to child
-processes. For files generated by older bootstrap scripts, run `set -a` before
-sourcing and `set +a` afterward. See [rollout lifecycle and recovery](docs/rollout-runtime-lifecycle.md)
-for cleanup markers and CPU-only regression checks.
-
 ### Train
 
 After installation, choose one of the two configuration styles:
@@ -169,11 +171,7 @@ task/
 
 Here, `task.toml` declares resources, the agent, and the verifier; `instruction.md` is the agent-facing instruction; `environment/Dockerfile` builds the isolated environment; and `tests/test.sh` verifies the result and writes `reward.json` or `reward.txt`. For training, tasks are locked into a catalog with their task ID, upstream revision, local path, content digest, and reward parsing rules; see [examples/native/catalog.json](examples/native/catalog.json).
 
-The bundled runnable example is `hello_world`. It allows internet access so Harbor can install the pinned Claude Code CLI, reserves 4 GiB each for memory and storage, and writes a 0/1 reward to `/logs/verifier/reward.json`. Its profile allows four turns so the agent can observe a tool result and finish. Offline deployments need the exact CLI version preinstalled and a reachable policy gateway. After changing a task, regenerate its catalog digest.
-
-The example pins the runtime-validated Claude Code `2.1.141`. The adapter disables prompt caching and cache warmup, compaction, and nonessential traffic, and always disallows `Agent` and `Task` even with a custom tool denylist. CLI `2.1.0` still makes an independent file-path-extraction model request after Bash and is incompatible with the single-context rollout contract. Probe other CLI versions before use; native session audit rejects auxiliary contexts, summaries, and unconsumed model responses.
-
-Real training tasks are not repackaged by this repository: fetch Harbor-native datasets or tasks from Harbor Hub, and use the [compatibility summary](configs/harbor_hub/public_compatibility_summary.md) to understand validated coverage. After fetching a task root, validate it locally with `harborrl hub inspect` and lock it into your own catalog.
+The bundled runnable example is `hello_world`. Real training tasks are not repackaged by this repository: fetch Harbor-native datasets or tasks from Harbor Hub, and use the [compatibility summary](configs/harbor_hub/public_compatibility_summary.md) to understand validated coverage. After fetching a task root, validate it locally with `harborrl hub inspect` and lock it into your own catalog.
 
 ## License
 

diff --git a/README_zh.md b/README_zh.md
@@ -25,9 +25,11 @@
 
 ## News
 
-- **2026-10-26** 新增[离线配置向导](docs/configuration-wizard.md)和[本地 Web 控制台](docs/web-console.md)，支持配置、校验、dry-run、训练启动和日志查看。
-- **2026-10-26** 新增 [controller/GPU 部署配置](docs/deployment.md)、可选的 [OpenSandbox 执行能力](docs/sandbox-rollout.md)，以及按需启用的[训练与推理一致性检查](docs/train-inference-consistency.md)。
-- **10/2026** 📣📣📣 HarborRL released
+- **2026-11-12** 新增[网关水平分片](docs/deployment.md)：静态路由、弹性自动生长（远端优先）与自动缩容。
+- **2026-11-12** 新增 [Hub 部署模式](docs/deployment.md)：适配单向网络集群，节点经 HTTP 拉取任务，无需跨机 SSH。
+- **2026-11-12** 新增[在线数学训练](docs/math-distill.md)（GRPO、DAPO、过程奖励、OPD、PRM 蒸馏），统一接入 Slime/Megatron + SGLang 管线。
+- **2026-11-12** 新增[配置向导](docs/configuration-wizard.md)、[Web 控制台](docs/web-console.md)与带审计清理的 [Sandbox 执行](docs/sandbox-rollout.md)。
+- **2026-11-12** 10/2026 📣 HarborRL 发布
 
 ## 项目介绍
 
@@ -46,12 +48,8 @@ HarborRL 支持 **Models × Algorithms × Tasks × Harnesses (MATH)** 的灵活
 [docs/agents/environment-check.md](docs/agents/environment-check.md)。
 
 离线选项目录、交互式配置和 answer-file 配置方式见[配置 CLI 指南](docs/configuration-wizard.md)。
-首次使用可以先运行 `harborrl hello`：无需模型、GPU 或已有 task JSON，
-即可执行脚本任务、真实 verifier、0/1 奖励收集和使用示例 token 的 GRPO batch 导出。
-接着使用 `harborrl options` 或 `harborrl init --help`。Local 模式会检测并共用
-一套源码目录与 Python；模型指纹自动计算，未填完的草稿支持 `:save` 保存和 `--resume` 恢复。
-运行 `harborrl web` 可打开浏览器控制台，查看或套用 Local／Sandbox 示例、
-随时保存草稿、一键运行 Hello World，并完成校验、dry-run、训练启动和日志查看；
+可以从 `harborrl options` 或 `harborrl init --help` 开始。
+运行 `harborrl web` 可打开本地浏览器控制台，完成配置、校验、dry-run、训练启动和日志查看；
 远程访问与生命周期说明见 [Web 控制台指南](docs/web-console.md)。
 
 推荐的实际操作流程是把下面这段提示词交给 agent，并把尖括号内容替换成你的机器信息：
@@ -112,14 +110,10 @@ uv run pytest
 如需原生训练，请把固定版本的 native 训练栈安装到可写位置：
 
 ```bash
-bash scripts/bootstrap_backends.sh "<Path to HarborRL backends>"
-. "<Path to HarborRL backends>/harborrl-backend.env"
+bash scripts/bootstrap_backends.sh <Path to HarborRL backends>
+. <Path to HarborRL backends>/harborrl-backend.env
 ```
 
-生成的文件会将 `SLIME_DIR`、`MEGATRON_DIR` 和 `SGLANG_IMAGE` 导出给子进程。
-对于旧版 bootstrap 脚本生成的文件，请在 source 前执行 `set -a`，之后执行 `set +a`。
-清理标记的恢复步骤和无 GPU 回归命令见[rollout 生命周期与恢复](docs/rollout-runtime-lifecycle.md)。
-
 ### 训练
 
 完成安装后，从两种配置方式中选择一种：
@@ -158,11 +152,7 @@ task/
 
 其中 `task.toml` 声明资源、agent 与 verifier，`instruction.md` 是给 agent 的任务说明，`environment/Dockerfile` 构建隔离执行环境，`tests/test.sh` 负责验证并输出 `reward.json` 或 `reward.txt`。训练时，这些任务会被锁定到 catalog 中，记录任务 ID、上游 revision、本地路径、内容 digest 和 reward 解析规则；示例见 [examples/native/catalog.json](examples/native/catalog.json)。
 
-仓库内置的可直接运行示例是 `hello_world`。示例允许联网，以便 Harbor 安装固定版本的 Claude Code CLI；内存与存储各配置 4 GiB，verifier 将 0/1 奖励写入 `/logs/verifier/reward.json`。profile 允许四轮交互，供 agent 执行工具、读取结果并正常结束。离线部署需要预装完全一致的 CLI 版本，并确保能够访问 policy gateway。修改任务内容后，需要重新生成 catalog 中的内容摘要。
-
-示例固定使用经过运行验证的 Claude Code `2.1.141`。adapter 默认关闭 prompt caching 及缓存预热、上下文压缩和非必要流量；自定义工具禁用列表也会保留 `Agent` 和 `Task`。CLI `2.1.0` 在 Bash 执行后仍会发起独立的文件路径提取请求，不符合单上下文 rollout 契约。使用其他 CLI 版本前需要重新验证；原生会话审计会拒绝辅助上下文、摘要和未消费的模型响应。
-
-实际训练任务不由本 repo 重新打包，而是从 Harbor Hub 获取符合 Harbor native task 格式的 dataset/task；可先查看[兼容性汇总](configs/harbor_hub/public_compatibility_summary_zh.md)了解已验证覆盖情况。取回 task root 后，先用 `harborrl hub inspect` 做本地静态校验，再锁定进自己的 catalog。
+仓库内置的可直接运行示例是 `hello_world`。实际训练任务不由本 repo 重新打包，而是从 Harbor Hub 获取符合 Harbor native task 格式的 dataset/task；可先查看[兼容性汇总](configs/harbor_hub/public_compatibility_summary_zh.md)了解已验证覆盖情况。取回 task root 后，先用 `harborrl hub inspect` 做本地静态校验，再锁定进自己的 catalog。
 
 ## License
 

diff --git a/docs/architecture/p0_p1_config_and_boundaries_zh.md b/docs/architecture/p0_p1_config_and_boundaries_zh.md
@@ -0,0 +1,81 @@
+# P0/P1：配置生效与模块边界
+
+本次变更延续已有 GPU 验收的默认训练路径，保持 README、schema-2 和用户命令不变。涉及导出代码的收敛保留原 GRPO 数学公式与权重规则；本轮验证采用 CPU 合同、旧实现数值对照、shell dry-run 和包构建，不代表新增 GPU 实测。
+
+## 配置如何生效
+
+优先级：YAML 原值 → 按顺序应用 `--set` → 显式 `-model/-harness/-task/-alg` 选择。后端路径、可见 GPU、代理及动态库等部署环境仍由声明的环境变量提供。结构化启动不继承环境中的 `LR`、采样预算、checkpoint 开关或其他未声明训练选项，避免覆盖 YAML。
+
+`training.learning_rate` 现在显式映射为 `LR`，进入 Slime `--lr`。旧默认 `1e-6` 保持不变；此前被忽略的非默认 YAML 学习率现在会生效。
+
+配置字段到环境的直接映射统一维护于 `harborrl/backends/slime_v032/config.py::CONFIG_ENV`；`field_usage()` 同时记录不通过环境消费的字段，测试要求覆盖全部 schema-2 字段。
+
+| 配置 | 实际消费者 |
+| --- | --- |
+| `execution.backend`、`harness.name` | 当前执行/harness 组合校验及 runner |
+| `tasks.catalog` | 静态 task lock 校验；运行时生成锁定 catalog 和 prompt data |
+| `harness.profile` | 最终 profile 文件校验；runner 配置 |
+| `harbor.python/version/workers` | runner Python、worker runtime probe、worker 调度 |
+| `gateway.host/port/advertised_url` | gateway listener 和 worker 访问入口 |
+| `gateway.tokenizer_digest/template_digest/audited_raw_logprobs` | 生成证据与训练资格检查 |
+| `model.checkpoint/reference/args_file` | `--hf-checkpoint`、`--load`、`--ref-load` 与模型 preset |
+| `training.learning_rate/num_rollout/save_interval` | `--lr`、`--num-rollout`、`--save-interval` |
+| `training.backend_contract` | 后端 selector 与版本/hooks 检查 |
+| `sampling.group_size/groups_per_batch` | `--n-samples-per-prompt`、`--rollout-batch-size` |
+| `sampling.max_tokens/max_context` | response/context 预算 |
+| `sampling.max_attempts` | 完整组 slot 重试限制 |
+| `deployment.*` | GPU 数量、TP、split/colocate 校验和启动参数 |
+| `output.root` | run、checkpoint 与指标根目录 |
+
+严格配置校验与文件检查分离：`validate()` 不读 harness/task 文件，也不执行 live probe；`validate_files()` 校验最终选定的 harness profile；`tasks.catalog.catalog()` 校验任务锁；doctor 执行 live 部署检查。`load_config()` 保留加载后校验 profile 的兼容行为，但在 override 完成后检查文件，因此可以替换已经不存在的旧 profile 路径。
+
+## 运行证据
+
+每次结构化训练新增：
+
+- `effective-config.json`：解析后配置、task selectors、组件标识、运行时环境映射、声明的部署信息、doctor 观察到的包版本/后端 commit、源码证据与字段消费者。
+- `effective-command.json`：shell 默认值和模型 preset 展开后的实际可执行 argv，在调用 Slime 前记录。
+- `dry-run-commands/<command digest>.json`：直接运行 shell dry-run 时的命令证据，允许同目录重复检查不同参数。
+
+有效配置快照不转储整个父进程环境，不记录代理 URL 或环境中的 provider 凭据。原有 `launch.json`、源码 manifest、source patch 和任务产物保留。
+
+`harborrl train --dry-run` 仍只解析并输出 plan，不启动 doctor 或训练；shell 命令证据是在实际执行 shell launcher 时生成的。若进程在进入 launcher 前失败，最终命令文件可能尚不存在。
+
+## 模块职责
+
+| 模块 | 职责 |
+| --- | --- |
+| `config/native.py` | schema-2 解析、类型/约束、路径规则、最终 profile 校验；保留旧 catalog/launch_plan 薄封装 |
+| `backends/slime_v032/config.py` | Slime 配置映射与字段消费者清单 |
+| `tasks/catalog.py` | native catalog 与 task lock 检查 |
+| `tasks/content.py` | task 内容 digest 与共享 TOML reader |
+| `platform/preflight.py` | live doctor；task digest 每次 catalog 检查一次 |
+| `platform/evidence.py` | 输入准备、源码证据、有效配置与最终命令记录 |
+| `platform/native_train.py` | 流程派发、run 目录、子进程、信号转发；旧 doctor/准备函数保留封装 |
+| `export/native.py` | canonical immutable GRPO TrainingBatch |
+| `rollout/exporters/native.py` | canonical batch 的旧 record 格式视图 |
+
+模型 tool parser 与 harness 插件接口留给 P2；本阶段不提前扩大支持组合，也不改变 serving、loss、同步屏障或 checkpoint 生命周期。
+
+## 历史工具清单与处置
+
+| 历史路径 | 当前调用关系 | 处置 |
+| --- | --- | --- |
+| `data/harbor/__main__.py` | 模块 CLI → inspector/materializer | 保留历史入口，标注 TerminalEnv 兼容用途 |
+| `data/harbor/inspector.py` | 历史 CLI、materializer、probe | 保留；共享 digest/TOML 从 `tasks/content.py` 兼容导出 |
+| `data/harbor/materializer.py` | 历史 CLI；生成 task.yaml、Compose、wrapper | 保留以支持旧记录复现，native 训练不使用 |
+| `data/harbor/probe.py`、`receipt.py` | 旧 TerminalEnv 动态探测和奖励解析 | 保留并标注兼容用途 |
+| `data/harbor/native_inspector.py` | native catalog 与 hub inspect | 直接依赖 `tasks/content.py`，不再导入历史 inspector/materializer |
+| `rollout/exporters/native.py` | GroupSlots、offline smoke、旧合同调用者 | 保留格式入口，数学及 batch 校验共用 canonical exporter |
+
+未删除本地环境、缓存、runs 或验收记录。旧接口在确认无复现/外部调用需求后再单独决定退役。
+
+## 回归重点
+
+1. YAML 原值与 `--set` 的学习率均进入最终 `--lr`；预算、GPU、checkpoint 和输出参数通过命令级检查。
+2. 父环境的训练变量不能覆盖 YAML；有效配置不包含父环境凭据与代理值。
+3. 非法 section、字段类型、override YAML 和 catalog entry 返回可定位的 CLI 错误。
+4. 有效组和零方差组、多 turn、不同轨迹长度的旧导出字段与权重保持一致；缺失证据、不完整组和重复身份继续拒绝。
+5. native task inspection 不导入历史转换路径；原始 verifier 与 task digest 算法保持不变。
+
+本次验证结果：102 项 CPU 测试通过；Ruff、shell 语法、示例 smoke、训练 plan dry-run、公开树审计通过。旧/新 exporter 在有方差与零方差、多 turn、不同长度样本上的 JSON 输出逐字一致。使用满足 pyproject 构建要求的隔离环境成功构建 sdist/wheel，并在仓库外安装 wheel 后通过 CLI dry-run 与新增模块导入。