模型训练（RL 闭环）

训练配置

基座模型（model）训练侧引擎 = torch/transformers。节点侧推理 = llama.cpp（GGUF）。两端同族。

训练步数（steps）

训练只吃经验证层判定可信的轨迹；被拒样本已在服务端自动剔除。

方式一：从一次采样作业结果提取

方式二：直接上传 accepted.json JSON 结构：{"trajectories":[{"prompt","completion","reward"}, ...]}

已就绪轨迹

0 条

预估消耗积分（平台服务，无节点分成）

-- 分

任务ID	模型	步数	轨迹数	状态	创建时间	操作
加载中…

运行前提：训练在独立子进程执行，需要目标机装有 torch + transformers；若缺失，任务会快速标记为 failed 并在日志中给出安装提示。GGUF 导出需配置 LLAMA_CPP_CONVERT 指向 llama.cpp 的转换脚本。