跳转至

快速开始

本页介绍如何访问 MindForge，并跑通一轮递归自进化循环：上传 SFT 数据 → 配置训练 → 启动 → 查看记录 → 使用产出的 sampler。

访问 MindForge

MindForge 位于 mindforge.macaron.xin，与 MinT dashboard 共享账号。两种入口：

  1. 从 dashboard——在 https://mintcn.macaron.xin（中国大陆）或 https://mint.macaron.im（海外）登录后，点击侧边栏的 Playground，即经 SSO 进入 MindForge。
  2. 直接访问——打开 https://mindforge.macaron.xin。若未登录，会跳转到 dashboard 的 TokenFactory SSO；登录后自动回到 MindForge。

若 dashboard 的 Playground 显示「即将推出」，直接访问 mindforge.macaron.xin—— SSO 仍然可用。

第 1 步——上传 SFT 训练数据

打开 数据 页，点击 上传训练样本，选择一个 prompt → response 的 JSONL 文件。 上传后它出现在训练数据表中，版本号形如 sft_v1。推荐来源是题库评测的通过轨迹（见 题库），但任意 SFT JSONL 都可用于首次运行。

第 2 步——配置训练

打开 训练 页，在 训练配置 卡片中：

  • 数据版本——选择刚上传的 SFT 版本。
  • 训练起点（基座模型）——选一个基座，如 Qwen/Qwen3.6-35B-A3B。
  • 超参——epochs、bs（批大小）、lr（学习率）、rank（LoRA 秩）。首次运行可用 默认值 epochs=3, bs=4, lr=2e-4, rank=16。

点击 展开完整命令 预览生成的 scripts/train.sh，再点 开始训练。

第 3 步——启动训练

点击 开始训练。任务在后台运行，可在侧边栏任务面板（左下）或 训练记录 表查看。 完成后记录显示指标（NLL）、耗时与 session id。

第 4 步——查看记录

在 训练记录 中点 详情 看训练曲线，或 日志 看运行日志。记录的版本号（如 v6）即用于推理的版本。

第 5 步——使用训好的模型

训练产出 sampler_path（tinker://.../sampler_weights/... 引用）。用 使用训好的模型 中的三种方式之一做推理——最简单的是 OpenAI 兼容接口，把 model 字段填为 sampler_path。

后续

  • 训练——训练面板完整参考。
  • Checkpoint——State 与 Sampler 区别。
  • 运行设置——把 MindForge 指向不同的 MinT 后端。