🧪 训练模拟器

调整参数，实时观察训练效果 — 无需 GPU，浏览器里就能「炼丹」。

阶段 04 · 预训练

⚙️ 训练配置

数据集 Wiki-zh

模型规模

学习率 0.0010

5e-5过低 ← → 过高0.08

批大小 32

训练轮数 5

🎯 预设实验

最终 Loss

—

↓ 越低越好

准确率

—

↑ 越高越好

训练步数

—

steps

预计耗时

—

仿真

📉 Loss 曲线loss

📈 准确率acc

💡

调整参数并点击「开始训练」。

🖥️ 训练日志

stdout

🎯 SFT 配置

数据质量

LoRA 微调

学习率 2e-5

训练轮数 3

指令跟随分

—

↑ 目标 ≥75%

最终 Loss

—

↓ 越低越好

可训练参数

—

/ 总量

过拟合风险

—

评估

📉 SFT Loss

📈 指令跟随得分

💬 模型输出对比

💡

调整参数开始 SFT 微调实验。

⚖️ RLHF 配置

对齐方法

β 参数（DPO）0.10

激进(小β)保守(大β)

偏好数据质量

训练步数 500

安全得分

—

↑ 目标 ≥85%

有用性得分

—

↑ 目标 ≥70%

奖励分数

—

RM score

对齐税

—

能力损失

🛡️ 安全得分曲线

🤝 有用性得分曲线

💡

调整参数开始对齐实验。β 越小模型变化越大，安全性提升越多，但可能过度拒绝。

📊 评估配置

模型版本

评估基准

MMLU（知识） HumanEval（代码） GSM8K（数学） C-Eval（中文） Safety（安全）

📋 评测报告

选择模型版本和评测基准，点击「运行评测」查看结果。

🚀 部署配置

模型规模

量化方案

并发 Batch Size 4

最大输出 Token 512

模型大小

—

GB

推理延迟

—

ms/token

精度保留

—

%

吞吐量

—

tokens/s

📦 方案对比

💡 部署建议

💡

选择量化方案，查看模型大小和推理性能的权衡。