把多次 run 串成流水线

init-from 接力训练、—then 自动后处理、export 与 eval

sf submit my-sft --profile h200:8
sf submit my-dpo --profile h200:8 --init-from run/<SFT_RUN_ID>/checkpoint

后训练很少是一步：先 SFT 打底，再 DPO 或 GRPO 对齐，然后导出和评测。 --init-from 就是让某一阶段从上一阶段的产物开始。

每次 run 的 checkpoint 都会自动登记，下一阶段按 run id 引用它，血缘端到端可查—— 所以半年后「这个是从什么训出来的」有一个不依赖任何人记忆的答案。

​

从上一阶段起训：—init-from

# 第一阶段：SFT
sf submit my-sft --profile h200:8
# → 成功后产物登记为 run/<SFT_RUN_ID>/checkpoint

# 第二阶段：DPO 从 SFT 产物起训
sf submit my-dpo --profile h200:8 \
  --init-from run/<SFT_RUN_ID>/checkpoint

# 指定某一步的 checkpoint
sf submit my-grpo --profile h200:8 \
  --init-from "run/<DPO_RUN_ID>/checkpoint@step=120"

服务端解析引用、校验产物存在与归属，把实际路径注入作业。控制台作业详情的血缘视图能看到整条链。

​

训练成功后自动执行：—then

sf submit my-grpo --profile h200:8 --then export --then eval

训练成功后平台自动提交后处理作业（秒级到分钟级，不再为它付一次 RayCluster 冷启动）。

​

导出 HuggingFace 格式：sf export

sf export my-grpo \
  --checkpoint <artifact registry 中的 checkpoint 路径> \
  --checkpoint-format nemo-dcp \
  --push-repo myorg/my-model        # 可选：推 HF Hub（需关联 HF 账号）

--checkpoint-format 支持 nemo-dcp / nemo-megatron / verl-fsdp / verl-megatron / huggingface。推 Hub 时服务端注入当前用户的 HF token（见 HuggingFace 集成），repo 名做过校验防注入。

​

原生评测：sf eval

按 recipe 声明的框架原生评测入口执行：

# NeMo-RL：评 HF 模型
sf eval my-grpo --model /shared/hf_export/my-model
# NeMo-RL：显式评测配置
sf eval my-grpo --model Qwen/Qwen3.5-9B --eval-config configs/eval/gsm8k.yaml

# verl SFT：把验证样本回传到训练 run
sf eval my-verl-sft --run-id <TRAIN_RUN_ID> --step 200 --data data/val.parquet

sf eval 是框架原生评测（复用训练框架的推理路径）；跨模型可比的标准基准（GSM8K / MMLU / C-Eval…）用 sf bench，分数入库统一看板。见 Benchmarks。

​

清理：sf clean

sf clean my-old-exp        # 交互确认
sf clean my-old-exp -y     # 跳过确认

删除该实验在集群上的 checkpoint 与日志，不可恢复。作业记录与指标保留在平台。

​

一条完整流水线示例

# 1. SFT 打底
sf new sft-qwen95 --method nemo-rl/sft
sf submit sft-qwen95 --profile h200:8
# 2. GRPO 对齐（接 SFT 产物，训完自动导出）
sf new grpo-qwen95 --method nemo-rl/grpo
sf submit grpo-qwen95 --profile h200:8 \
  --init-from run/<SFT_RUN>/checkpoint --then export
# 3. 标准基准验证
sf bench run bench-qwen95 -m run:<GRPO_RUN> --suites gsm8k,mmlu
# 4. Playground 试聊
sf serve start run:<GRPO_RUN> --gpus 1