### 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！