☰
MiniMind DPO 训练可视化
⟲ 总览
导航
整体
0
训练总览
初始化
1
参数解析
2
分布式 & 种子
3
MiniMindConfig
4
混合精度
5
实验追踪
模型 & 数据
6
策略模型
7
参考模型
8
DPODataset
9
Optimizer & Scaler
训练核心 (循环)
10
Batch 拼接
11
双模型前向
12
logits→log_probs
13
dpo_loss 计算
14
反向 & 更新
15
保存检查点
加载中...
单指旋转 · 双指平移 / 缩放
×
策略模型
参考模型
数据流
损失函数
优化器