监控与指标

训练启动后，打开监控仪表板即可查看实时 reward 曲线、流式日志和已保存的检查点 —— 帮助您快速诊断问题并决定何时停止或继续训练。

​

指标仪表板

在活跃的训练运行期间，仪表板显示实时更新的关键指标： 每个指标都按训练步骤绘制，因此您可以看到趋势并识别模型何时收敛、过拟合或性能下降。

​

时间范围控制

按时间范围过滤指标：

• 最近 1 小时、最近 6 小时、最近 24 小时
• 完整训练运行
• 自定义范围

​

训练日志

日志面板显示详细的事件级信息：

• Rollout 日志 —— 单个 rollout 的跟踪记录，包含 prompt、回复、工具调用和 reward
• 系统日志 —— 基础设施事件（GPU 分配、检查点保存、错误）
• Reward 详情 —— 每个样本的 reward 分数及每个 reward 函数的详细信息

日志可以按严重级别（info、warning、error）过滤，并支持关键词搜索。

​

检查点

检查点在训练期间按可配置的间隔自动保存。每个检查点包含：

• 该训练步骤的模型权重
• 保存时的训练指标
• 运行使用的配置

​

查看检查点

检查点列表显示：

• Step number —— 保存检查点时的训练步骤
• Training reward —— 该步骤的平均 reward
• Validation reward —— 该步骤的验证分数
• Timestamp —— 检查点创建的时间

​

合并检查点

要从检查点创建可部署的模型：

1. 从列表中选择一个检查点
2. 点击 Merge —— 这会将 RL adapter 与基础模型合并
3. 合并后的模型已保存并准备好导出

​

导出到 Hugging Face

合并检查点后：

1. 在合并后的模型上点击 Upload to Hugging Face
2. 配置目标仓库和可见性（公开/私有）
3. 模型将与包含训练元数据的 model card 一起上传

​

比较运行

如果您在一个项目中有多个训练运行，可以并排比较它们的指标，以确定哪种配置表现最佳。

​

后续步骤