跳转到主要内容
训练任务会使用 base model，并通过强化学习进行改进。您提供 rollout、grader、训练配置和数据集；平台负责配置 GPU、从已同步的 workspace repository 拉取代码、执行训练循环，并自动保存 checkpoints。

​
概念

​
Training Configuration 与 Training Run

Training Configuration 是配方，定义要使用的模型、数据集、AgentWorkflow 和超参数。Training Run 是该配置的一次执行。您可以从同一配置提交多个训练任务，以实验不同设置。

​
训练行为

每次提交都会为 TOML config 中指定的 rollout、dataset、model 和超参数创建一个 managed training job。如果要运行另一个实验，请更新 total_epochs、sampling settings 或 checkpoint cadence 等字段后再次提交 config。

​
提交训练任务

使用 CLI 和 TOML 配置文件提交训练任务： 
osmosis train submit configs/training/default.toml
Git Sync 是您 rollout 代码的 source of truth。CLI 会读取您传入的本地 TOML config 值，但 rollout 代码来自已同步的 workspace repository。提交代码修改前，请先 commit、push 并等待同步完成；需要特定已同步版本时，请设置 commit_sha。

​
关键配置字段

[experiment]
rollout = "my-rollout"                  # rollouts/ 下的 rollout 目录名
entrypoint = "main.py"                  # entrypoint 文件名
model_path = "Qwen/Qwen3.6-35B-A3B"     # Hugging Face model path
dataset = "my-dataset"                  # 数据集名称
# commit_sha = "abc123..."              # 可选：固定到特定已同步 commit

[training]
lr = 1e-6                               # 学习率
total_epochs = 1                        # Training epochs
n_samples_per_prompt = 8                # 每个 prompt 生成的样本数
rollout_batch_size = 32                 # rollout batch size
agent_workflow_timeout_s = 450          # 每行 agent rollout 超时
grader_timeout_s = 150                  # 每行 grader 超时

[sampling]
rollout_temperature = 1.0               # rollout 采样温度
rollout_top_p = 1.0                     # rollout top-p 采样

[checkpoints]
checkpoint_save_freq = 20               # 每 N step 保存 checkpoint
完整 TOML 参考和所有字段请参见 Config Files。

​
状态生命周期

每个训练任务都会经历一系列状态：
StatusDescription
pending任务已排队，正在等待 GPU 资源。
running训练正在进行，指标和 checkpoints 正在生成。
finished训练成功完成，最终 checkpoint 和指标可用。
failed训练执行过程中出错。查看日志了解详情。
stopped用户通过 CLI 或 dashboard 手动停止训练。
killed训练在平台 cleanup 或 stop handling 期间被终止。
crashed训练进程意外终止（e.g. OOM, hardware failure）。
unknown平台无法确定当前训练状态。
内部生命周期阶段为：init → provision → setup → train → finalize → complete（或 error / cleanup）。
failed 或 crashed 状态的任务，在失败前保存的 checkpoint 仍可能可用。

​
监控

您可以通过 CLI 或平台 dashboard 跟踪训练进度。

​
CLI 命令

# 显示任务详情、checkpoints 和指标
osmosis train info my-run

# 将指标保存到指定 JSON 文件
osmosis train info my-run --output results/my-run.json
在运行过程中，train info 会显示进度（current_step / total_steps）和最新的 reward。train list 也会展示相同字段，便于一览所有 run。

​
Platform Dashboard

platform.osmosis.ai Web dashboard 提供：
  • Run list —— 按 status、dataset、base model 和 rollout 搜索和筛选训练任务。
  • Overview metrics —— 在可用时查看 Duration、Reward、Improvement、Samples、Training Reward、Validation Reward、Model Entropy、Response Length、Total Length 和 Truncation Ratio。
  • Checkpoints —— 查看已保存 checkpoints 及其 step、reward、deployment status 和 Hugging Face upload status。
  • Outputs —— 在可用时查看 output artifacts。
完整 dashboard 指标列表请参见 Monitoring。

​
LoRA Checkpoints

训练过程中，LoRA checkpoints 会按配置中的 checkpoint_save_freq 间隔保存。Checkpoints 捕获特定训练 step 的 adapter weights。 您可以：
  • 按 reward 分数比较 checkpoints，找出表现最佳的 step
  • 从 dashboard 导出 checkpoints
  • 将 checkpoints 上传到 Hugging Face
  • 用 osmosis model deploy 部署 LoRA models 进行 inference

​
管理训练任务

​
停止任务

osmosis train stop my-run
这会请求平台优雅停止训练进程。如果停止成功完成，任务会进入 stopped 状态。

​
下一步

Datasets

上传训练用数据集。

Models

管理 base models，并部署已训练 LoRA models。