ForwardBackwardOutput

class mint.types.ForwardBackwardOutput ()

字段：

• loss_fn_output_type ( str ) – loss 函数输出的记录类名（例如 'TorchLossReturn'、'ArrayRecord'）。
• loss_fn_outputs ( List [LossFnOutput ] ) – 每条数据的字典列表，将字段名映射到 TensorData。
• metrics ( Dict[str, float] ) – 以键值对形式给出的训练指标。

以下指标仅在 MoE（混合专家）训练时记录。

• e_frac_with_tokens:mean：各层至少接收到一个 token 的专家占比的平均值。1.0 表示每个专家都有活干，0.5 表示一半空闲。随训练下降值得警惕（路由坍缩）。
• e_frac_oversubscribed:mean：各层接收 token 数超过完美均衡的专家占比的平均值。随训练上升值得警惕。
• e_max_violation:mean：最过载的专家超出完美均衡的程度，以完美均衡的占比表示，各层取平均。计算式为 (max_tokens - perfect_balance) / perfect_balance。值为 2.0 表示最忙的专家拿到了 3 倍的公平份额。随训练上升值得警惕。
• e_max_violation:max：与 e_max_violation:mean 相同，但取各层的最大值而非平均值。
• e_min_violation:mean：最空闲的专家低于完美均衡的程度，以完美均衡的占比表示，各层取平均。通常为负；越小（更负）越值得警惕。