MiniMind Training Lab
开始训练
训练进程
日志文件
选择训练类型并配置参数
基础训练参数
训练类型：
🔤 Pretrain
🎯 SFT - Full
⚡ SFT - Lora
🧠 RL - DPO
🚀 RL - PPO
💡 RL - GRPO
🔍 RL - SPO
训练轮数：
Batch Size：
学习率：
日志打印间隔：
数据路径：
📁
强化学习参数 (DPO)
DPO Beta 参数：
强化学习参数 (PPO)
PPO剪切系数：
价值函数系数：
KL散度惩罚系数：
是否使用Reasoning模式：
否
是
更新旧Actor频率：
奖励模型路径：
📁
强化学习参数 (GRPO)
GRPO KL惩罚系数：
每个prompt生成样本数：
是否使用Reasoning模式：
否
是
奖励模型路径：
📁
强化学习参数 (SPO)
SPO KL惩罚系数：
是否使用Reasoning模式：
否
是
奖励模型路径：
📁
模型结构参数
隐藏层维度：
隐藏层数量：
最大序列长度：
是否使用MoE架构：
❌ 否
✅ 是
模型保存与恢复
模型保存目录：
📁
模型保存间隔：
保存权重前缀名：
LoRA权重名称：
基于哪个权重训练：
是否自动检测&续训
其他设置
训练方式：
🎮 单卡训练
🚀 多卡训练
💻 CPU训练
GPU序号：
多卡并行数：
(可用GPU数量: {{ gpu_count|default(0) }})
训练监控：
❌ 无监控
📊 使用WandB/SwanLab
🚀
开始训练
训练进程列表
🔄
刷新
日志文件列表
🔄
刷新
