快速开始

装上 CLI、提交一个 GRPO 作业，看着第一个点落在 loss 曲线上。

十五分钟，从零到一次能看着跑的训练。下面这条路径是确定的：照抄就能跑通。

​

开始之前

一个账号 · 必需

由管理员创建，或者你的部署接了单点登录。你还需要控制台地址。

配额和一个硬件 profile · 必需

登录后 sf status 会把两者都打印出来。本站里所有 profile 名字——h200:8 之类——都是示意； 请用你自己 sf status 打印出来的那些。

集群能拉到模型权重 · 必需

脚手架训的是 Qwen/Qwen2.5-1.5B，作业启动时从 Hugging Face 拉。 内网环境下由管理员把部署指向内部镜像，见离线内网部署。 没配的话，作业会启动、卡在下载权重，最后超时。

对象存储 · 可选

只有 sf dataset push 和「训练后自动评测」需要它。这条路径没有它也能走通。

1. 装 CLI 并创建项目

   uv tool install starforge-core     # 或：pip install starforge-core
   sf init my-lab --yes
   cd my-lab
   

   不要 clone 平台仓库——创建项目的是 sf init。它在磁盘上放了什么见 sf init。 之后用 sf update 升级，不要手工重装。

2. 登录

   sf login --server https://starforge.your-company.com
   

   会打开浏览器。SSH 会话加 --device-flow；CI 里用 --token。凭据存在 ~/.forge/。

   sf status
   

   打印你的账号、配额，以及这套部署真正拥有的 profile 名。记下来——下一步要用。

   

   控制台登录页。用户名密码，或者部署接了单点登录时用 SSO。

3. 创建实验

   sf new my-grpo --method nemo-rl/grpo
   

   生成 experiments/my-grpo/，里面有 config.yaml、README.md 和 recipe.lock.json。

   sf methods                 # 这套部署提供的全部方法
   sf methods nemo-rl/grpo    # 能调什么，带取值范围和默认值
   
4. 调参并校验

   改 experiments/my-grpo/config.yaml。最常改的几个键——学习率、batch size、序列长度—— 都放在脚手架的最上面。

   sf validate my-grpo
   

   按方法声明检查类型、取值范围和 batch size 整除关系。拼错的参数在这里几秒内就失败， 而不是排完队之后。

5. 提交

   git add -A && git commit -m "first grpo run"
   sf submit my-grpo --profile h200:8
   

   会打印一个作业 id。--profile 是唯一的资源参数：h200 用注册表的默认形状， h200:4 要四张卡，h200:16 要两个满节点。

   工作树不干净会被拒绝，除非加 --allow-dirty——这样结果才追溯得到确切的 commit。

   sf job logs        # 不带 id 就跟最新那个作业
   

   状态依次是 QUEUED → SUBMITTED → PENDING → RUNNING。 QUEUED 表示已准入但还没上集群，见作业状态。

6. 在控制台里看

   打开控制台，进 Jobs，点开你那个作业。

   页签	显示什么
   Charts	loss、reward、KL、梯度范数，逐步展示
   Logs	完整日志流，可搜索、可下载
   Validation	样本对话和 reward 直方图
   System	GPU 利用率、显存、网络
   Diagnostics	失败或曲线异常时，一份报告加几个值得试的旋钮

   

   GRPO 训练过程中的曲线页：reward、accuracy 和训练标量。

​

确认成功

按顺序对照下面几项。有一项对不上就停在那里——后面每一步都假设前一步真的成功了。

什么时候	应该看到	对不上怎么办
sf status 之后	你的用户名、配额，以及至少一个 profile 名	登录没走完，或者还没给你配额
sf submit 之后	一个作业 id，状态 QUEUED 或 SUBMITTED	被拒时错误里会点名是哪道闸，见错误
1–3 分钟	状态变成 RUNNING	一直 QUEUED：作业页会说明是哪道闸拦着
3–8 分钟	日志里出现权重下载，然后 Ray 启动	卡在下载：镜像的问题，见离线内网
8–15 分钟	Charts 页上第一个数据点	日志在滚但曲线是空的：ingest 问题，见下

第一个点出现了，这条路径就走通了。

如果日志显示在训练而曲线一直是空的，说明回传调用没有发生。catalog 方法的话这是 ingest 配置问题； 自己的训练器的话，通常是 starforge.report 根本没被调用。见 回传。

​

下一步

提交的完整用法

提交路径上的每一个参数：资源、覆盖、数据、镜像、后续动作。

用自己的训练器

catalog 里没有你要的方法时怎么办。

Sweep

一条命令，多个变体，在控制台里成组展示。

评测

用 GSM8K、MMLU、C-Eval 等给这次 run 打分。