项目交付附录：Checkpoint / Tracking / Artifact / Report

页面目标

这一页回答的是：当 SFT / LoRA 已经能跑、训练工程也已经搭起来之后，怎样把实验真正收成可恢复、可复盘、可交付的项目结果。

它是 监督微调专题 的项目交付附录页，不替代 05 Project Delivery 主线，只负责把“训练完成”推进到“结果可交付”。

这页负责什么

checkpoint save/load strategy：关注从哪一步恢复、保存哪些状态、如何避免恢复口径不一致。
artifact checklist：关注 adapter / tokenizer / config / report / samples 是否齐全。
logging / experiment tracking：关注训练过程是否留下足够证据支撑最终结论。
report template：关注 baseline、candidate、资源指标和采用建议怎么写清楚。

这页不展开什么

LoRA / QLoRA 的机制差异
scheduler / accumulation / AMP 的训练控制原理
DDP / FSDP / ZeRO / DeepSpeed 的并行机制细节
完整训练平台、模型仓库和在线部署系统

这些分别放在 监督微调主线、训练工程附录、通信与并行专题 和项目页里更合适。

最小交付闭环

一个最小的 SFT 项目交付，至少要能回答下面四件事：

这次训练是基于什么数据和什么训练口径完成的
如果中断，能从哪里恢复、恢复后会不会改写结论
最终有哪些 artifact 可以交给别人复现或继续使用
为什么这个方案值得 adopt / tune / reject

如果这四件事答不清，训练结果通常还停留在“实验现象”，没有进入“项目交付”。

checkpoint save/load 要留什么

至少要确认下面这些状态有没有保存：

model / adapter weights
tokenizer / special tokens / chat template
optimizer / scheduler state
global step / epoch / accumulation progress
random seed / config snapshot

一个实用判断是：恢复后至少要能回答“这是不是同一条训练线的继续”，而不是“又重新跑了一次看起来差不多的实验”。

artifact checklist

类别	最少要留什么	为什么必须留
模型产物	`adapter` 或 merge 后权重	没有最终权重就无法复用
文本侧产物	`tokenizer / vocab / special tokens / template`	tokenizer 漏掉时最容易复现失败
配置产物	`train config / LoRA config / eval config`	只留权重不足以解释训练口径
结果产物	`train/val metrics`、样例输出	需要能回看训练证据
结论产物	`report / adopt decision`	项目需要明确结论而不只是日志

logging / experiment tracking

不要求一开始就接完整平台，但至少要有一条稳定的记录路径。

最少建议记录：

train loss / val loss
learning rate
tokens per step 或基础吞吐
max memory 或显存占用
周期性生成样例
checkpoint 保存点

如果已经接了 W&B / TensorBoard / MLflow，重点不是“工具更高级”，而是：

同一条训练线是否能回溯
baseline 和 candidate 是否能并排对照
中断恢复后曲线是否还能接得上

一个简化报告模板

项目报告至少建议有这几块：

Goal
- 这次要比较什么，为什么比较
Setup
- 数据、模型、LoRA 配置、训练步数、batch、scheduler
Evidence
- train / val 曲线、样例输出、吞吐、显存
Artifacts
- 保存了哪些 adapter、tokenizer、config、report
Decision
- adopt / tune / reject

这里最常见的问题不是证据不够多，而是证据和结论没对齐。

adopt / tune / reject 怎么落

adopt
- 效果达到目标，训练成本和交付完整度都可接受
tune
- 主方向成立，但数据、LoRA 配置、训练步数或评测口径还需要继续修
reject
- 方案没有证明比 baseline 更值得采用，或者 artifact / 证据链不完整

不要把“loss 下降了”直接当成 adopt，也不要把“有一两个坏样例”直接当成 reject。

和主线怎么连接

当你在主线里卡住什么	回到这页看什么
`04` 实验跑完，但无法复盘	`logging / tracking / report template`
`05` 要做项目页结论，但 artifact 不全	`artifact checklist`
训练中断后想继续	`checkpoint save/load strategy`
baseline 和 LoRA 对照不清	`evidence + decision` 模板

本节要点

项目交付附录的重点不是再跑一次训练，而是把 checkpoint、artifact、tracking 和最终结论收成一套别人能接手的证据链。

项目交付附录：Checkpoint / Tracking / Artifact / Report ​

页面目标 ​

这页负责什么 ​

这页不展开什么 ​

最小交付闭环 ​

checkpoint save/load 要留什么 ​

artifact checklist ​

logging / experiment tracking ​

一个简化报告模板 ​

adopt / tune / reject 怎么落 ​

和主线怎么连接 ​

相关专题 ​

本节要点 ​