术语表

Mint Recursive 文档里核心术语的速查表。

训练

术语	含义
SFT	监督微调（supervised fine-tuning）。用带标签的输入-输出对训练模型模仿目标行为。
RL	强化学习（reinforcement learning）。用奖励信号优化模型，常见算法 GRPO / PPO。
DPO	直接偏好优化（direct preference optimization）。用偏好对直接优化策略，无需显式 reward model。
LoRA	低秩适配（low-rank adaptation）。冻结原模型权重，只训练注入的低秩矩阵，显著降低训练与存储成本。
adapter	LoRA 训练产物，可挂载到基础模型上改变其行为。
checkpoint	训练中间状态，包含 adapter 权重与优化器状态，用于恢复训练或采样。
policy	RL 中被优化的模型（策略）。
rollout	RL 中从 policy 采样轨迹的过程。
reward	RL 中衡量轨迹好坏的标量信号。

模型与推理

术语	含义
macaron	基于 Mint Recursive 训练的模型系列，当前版本 macaron v1。
base model	基础模型，adapter 挂载的宿主模型。
token	模型处理的最小文本单元，与 tokenizer 输出的整数对应。
sampling	从模型生成文本的过程。
logprob	模型对某 token 的对数概率，用于评估与 RL。

平台组件

术语	含义
Mint Recursive	模型后训练与推理平台，将评测、数据准备、训练和部署连成持续迭代的流程。
Mint Recursive SDK	客户端 Python 库，import mint 后驱动训练与采样。
Model Router	Mint Recursive 服务端组件，把推理请求路由到对应的 GPU。
Task Manager	Mint Recursive 服务端组件，调度训练任务。
LoRA Manager	Mint Recursive 服务端组件，管理 adapter 生命周期。

Note

本页面向终端用户。