跳到正文
EN

LAB 09.5 / 多模态与前沿

PyTrio-Jev快速启动

准备 Typed Decisions、ToolACE 与 Jevbench 数据,运行 Qwen3.5-4B LoRA 训练、决策推理、温度校准和五项基准评测。

阅读算法拆解 → 查看代码 ↗

以下命令都在 09-pytrio-jev/ 目录内运行(cd 09-pytrio-jev 之后):

bash
# 1. 下载与切分数据(typed-decisions train + ToolACE 1200 + 五项评测集)
uv run python 00-prepare-data.py

# 2. 小规模冒烟(确认 loss 下降、marker 对齐正常)
uv run python train.py --max-samples 64 --epochs 1 --save-every 0 --swanlab-mode offline

# 3. 正式训练(约 2160 条 × 2 epoch ÷ 16 = 270 步)
uv run python train.py --epochs 2 --batch-size 16 --save-every 60 --swanlab-mode online

# 4. 内置样例试跑推理(不传 --weights 则评 base 模型)
uv run python inference.py --weights trio://...

# 5. 温度校准(在 calibration 划分上拟合 T)
uv run python calibrate.py --weights trio://...

# 6. 五项基准评测(先校准,后读 test)
uv run python eval.py --weights trio://... --calibration outputs/calibration.json --tag step-270

# 7. 汇总对照参考基线
uv run python analysis.py

开放代码,记录实验,也记录边界。