核心能力
Workspaces
通过基于角色的权限管理团队、数据集、训练任务、模型、deployments 和 workspace repository 访问。
Training Runs
用可配置的超参数和 checkpoint cadence 提交、监控和管理 RL 训练任务。
Datasets
上传并验证最大 5 GB 的 JSONL、CSV 或 Parquet 训练数据集。
Models
列出受支持的 base models，并部署已训练 LoRA models 用于 inference。
Monitoring
跟踪训练任务状态、指标、checkpoints 和 outputs。
Git Integration
创建或连接 workspace repository，以自动同步 rollouts 和 configs。
工作方式
从设置到部署 LoRA model 的典型流程分为五个阶段：完成 onboarding
从 Onboarding 开始，创建或加入平台 workspace、连接 GitHub、clone workspace repository、安装 CLI，并验证本地 workspace context。
选择第一个工作流
使用内置 Multiply 示例 跑通一条已知可用的首次训练路径；如果您已经有任务或数据集，请使用 创建自己的 Rollout。
Push 并提交 evaluation run
将 rollout 修改 push 到 GitHub。Git Sync 会发布代码版本，然后
osmosis eval submit 会针对平台数据集启动一次 evaluation run，在 training run 前发现 dataset、dependency、workflow 和 grader 问题。准备开始？
Onboarding
按完整 workspace 设置流程操作，适用于创建者和被邀请成员。
Quickstart
Onboarding 后，运行内置 example，从 evaluation run 到 training run。