Mint Recursive¶
Mint Recursive 的 Web 控制台实现了递归自进化（recursive self-improvement）闭环：模型做题，通过的正确轨迹成为 SFT 训练数据，训练后的模型继续做题， 循环往复——无需手写训练数据即可持续进化。
所有计算在远端 Mint Recursive 服务器完成。你不需要本地 GPU——只需浏览器、Mint Recursive API key， 以及（SDK 使用时）Python 环境。
访问 Mint Recursive
在控制台中，通过 Playground 打开训练工作区：在 mintcn.macaron.xin（国内）或 mint.macaron.im（海外）登录后，点击侧边栏的 Playground，通过单点登录进入工作区。也可直接打开 mindforge.macaron.xin。
训练循环¶
- 做题——模型读题并生成解答代码。
- 评分——执行代码并与预期结果对比，判定 pass/fail。
- 训练数据——只保留通过评测的轨迹，生成 SFT 数据。
- 训练——Mint Recursive LoRA SFT 微调模型，产出新版本。
- 循环——新版本继续做题，产出更多正确轨迹。
你只需维护 harness（评分与训练管线），无需手写训练数据。模型自己产出训练数据并持续进化。
平台功能¶
Web 控制台为闭环中每个操作提供可视化界面：
| 页面 | 功能 |
|---|---|
| 总览 | 资源状态、Mint Recursive 连接、运行中任务、模型版本演进、评测分数对比 |
| 训练 | 启动 LoRA SFT 训练、指定基座模型与超参、从 checkpoint 续训、查看训练曲线 |
| 评测 | 启动官方 SciCode Benchmark 或题库评测、查看详情、热力图、通过率对比 |
| 题库 | 浏览题库版本、预览题目、启动题库评测、从通过轨迹生成 SFT |
| 数据 | 管理 SFT 训练数据与题库数据、上传下载、预览数据行 |
| 指南 | 概念参考：Checkpoint、使用训好的模型、切换 Mint Recursive 后端 |
所有计算密集型操作（评测、训练、数据生成）以后台任务运行，可在侧边栏任务面板实时查看进度与日志。