作业详情

运行中或已完成作业的八个页签，以及各自回答什么问题。

从作业列表点进任意作业。八个页签，各自回答一个不同的问题。

曲线页：reward、accuracy 和训练标量，逐步展示。

​

八个页签

页签	它回答的问题
Charts	在学吗？loss、reward、KL、梯度范数、熵
Validation	它到底在产出什么？样本对话和 reward 直方图
System	硬件正常吗？GPU 利用率、显存、网络，按节点
Config	提交的到底是什么？解析后的配置和超参
Logs	它在说什么？完整日志流，可搜索、可下载
Environment	它跑在什么里面？包版本、CUDA、GPU 型号、镜像 digest
Artifacts	它产出了什么？checkpoint、导出、评测报告
Diagnosis	为什么看起来不对？一份自动分析（部署启用时）

​

曲线

画哪些曲线不是控制台决定的——recipe 在它的指标契约里声明，前两个进总览图。 这也是为什么两个方法的默认曲线不同，以及为什么框架改名不会悄悄让一张图变空。

日志在滚而曲线空着，说明回传没发生，不是训练坏了。 见从训练代码回传。

​

验证

带 reward 的验证样本，以及 reward 分布。

样本对话及其 reward，加上分布。算法特有的字段——DPO 的 rejected、SFT 的参考答案—— 会一并展示，平台不需要理解它们是什么。

读直方图往往比读 reward 曲线更快：均值在涨、分布却裂成两坨， 通常意味着模型找到了一个容易的子集，而在其余部分上不再进步了。

​

诊断

诊断：带置信度的结论，以及一个建议的后续动作。

部署启用后，失败时自动跑，训练期间也按排期跑。每条结论带置信度， 建议还可能附带一个 submit plan——一个具体的后续作业，由你批准或拒绝。

批准一个 plan 会真的提交一个训练作业，真的消耗配额。对话框里写了这一点；批准前先看 diff。

​

你可以做什么

操作	效果
暂停	停止作业并保留 checkpoint。恢复时从它继续
恢复	用同一个 run id 从最新 checkpoint 重启
停止	结束这次 run。先 SIGTERM，留出保存 checkpoint 的宽限期
分享	创建只读公开链接——见分享
诊断	立即跑一次分析，而不是等排期