04. End-to-End Experiment | 端到端实验
页面目标
这一页回答的是：SFT 闭环是否真的跑通，以及跑通之后能不能拿出可解释的实验结果。
你要先确认什么
- train / val 是否分开。
- 评估是否周期性触发。
- 样例生成是否真的发生变化。
- 显存和速度是否在预期范围内。
演化路径
端到端实验不是只看最终 loss，而是要把训练过程变成可验证的实验报告。
- 先确认数据集切分。
- 再确认训练是否能稳定推进。
- 再看验证曲线是否有意义。
- 再看生成样例是否有实际变化。
- 最后把这些结果整理成可复盘的实验结论。
这一页的重点是“闭环”而不是“数值本身”。
常见误区
- 只看 train loss，不看 val 和样例。
- 验证集样本太少，导致判断失真。
- 训练跑完了，但没有保存最小可复现实验信息。
- 结果看起来下降了，但无法说明模型真的变好了。
经典阅读入口
前置关系
- 先看
01-03，把数据、LoRA 和训练控制都对齐。 - 再看
04，实验结论才有基础。
本节要点
端到端实验的价值不是“证明模型能训”，而是把训练结果变成能复盘、能比较、能交付的证据。