StarForge

覆盖后训练完整生命周期的统一控制平面：环境、训练、评测、试用与部署，跨任意训练框架与任意算力后端。

StarForge 是围绕后训练作业的那一整圈事情的控制平面。它管的是：谁可以跑什么、 用哪个获批的运行时和数据、在哪些 GPU 上、在什么配额之下—— 以及把结果带回来：指标、日志、评测、产物、一个模型版本、一次部署， 还有那些最终会变成下一版训练数据的生产流量。

它对两件事刻意保持中立。哪个框架训练模型——NeMo-RL、verl、TRL、OpenRLHF，或者你自己的； 以及哪个后端运行它：Docker、裸机 agent、KubeRay 还是 Slurm。 一份 JobSpec 表达意图，平台把它送到其中任何一个上。

它不做的事，是拥有作业内部跑的东西。那属于训练框架，以及你的代码。

uv tool install starforge-core
sf init my-lab && cd my-lab
sf new my-grpo --method nemo-rl/grpo
sf submit my-grpo --profile h200:8

从一个空目录到 GPU 集群上的一次 GRPO 训练，四条命令，loss 曲线实时流进 Web 控制台。 你的笔记本上从头到尾没有任何集群凭据。

快速开始

安装、登录、提交，看着第一个数据点落在曲线上。

15 分钟

核心概念

实验、run、recipe、profile、执行器——后面一切都在用这几个名词。

先读这个

​

它做什么

StarForge 是覆盖整个后训练生命周期的控制平面。它负责解析、校验、存储、调度和分发， 并且有意不去拥有作业内部跑的东西——那归训练框架。

提交	用 YAML 声明一个实验，在笔记本上校验，然后送到一个你从不登录的集群上
运行	NeMo-RL、verl、TRL、OpenRLHF 或你自己的训练器，跑在 Docker、裸机 agent、KubeRay 或 Slurm 上
观察	loss、reward、KL、GPU 利用率、实时日志、验证样本，曲线不对时还有一份诊断
评分	通过标准 harness 跑 GSM8K、MMLU、C-Eval 等——也可以用你自己的 benchmark 包，或者让 LLM 裁判按你团队写的 rubric 打分
服务	在 Playground 里和某个 checkpoint 对话，或者把一个版本推广成带稳定端点的受管部署
治理	配额、时段窗口、镜像允许列表、审计，以及「能用于训练但读不到内容」的数据集

​

选一条路

我要训模型

先快速开始，然后是提交、sweep 和流水线。

我要扩展平台

九个扩展点：recipe、benchmark、环境、rubric、插件。

我要运维这套东西

四种执行器、233 项配置、认证、存储、升级。

​

一次完整的 run

1. 搭骨架

   sf init 创建项目。sf new 把方法模板拷进 experiments/<name>/， 并在 recipe.lock.json 里固定确切的 recipe 和框架版本。

2. 校验

   sf validate 按方法声明检查类型、取值范围和 batch size 整除关系——在你的机器上，几秒钟， 在任何东西入队之前。

3. 提交

   sf submit 打包工作树，拒绝把任何看起来像密钥的东西放进去，然后把作业交给服务端。 准入检查配额、recipe 握手和镜像允许列表，通过后入队。

4. 观察

   作业通过 ingest 回传生命周期打点、指标、样本、日志和产物。控制台实时画出来。

5. 决策

   用 sf bench 打分、与之前的 run 对比、在 Playground 里聊一聊、导出成 HuggingFace 格式， 或者注册成一个模型版本并部署。

​

什么东西在哪里跑

	你的笔记本	控制平面	集群
配置校验	✓	✓
集群凭据		✓
对象存储密钥		✓
训练代码			✓
插件代码			✓
数据集内容			✓

控制平面从不执行第三方代码，训练者也从不拿到受保护数据集的原始内容。 两者都是结构上的保证，不是制度上的约定：见扩展点。

​

两个仓库

仓库	是什么
starforge	平台本身：starforge-console（控制平面）和 starforge-core（sf CLI 与 SDK）
starforge-tutorial	一个示例项目。你自己的项目由 sf init 生成，不是把它 clone 下来

提交要求 git 工作树干净，否则需要 --allow-dirty。这是让一个结果在半年后还能追溯到确切 commit 最便宜的办法——而那时候它恰好很重要，也恰好没人记得了。