SuperAPI AI 工具集

ito-training

智能体与模型

查看项目

更新于 10-15 08:38

技能介绍

Itô Training

ito-training 是 ECC 中用于在 Itô 算力上进行训练的规范技能。ECC 自身从不运行训练器、调度器或数据管线,也从不预订、预留或花费。该技能衔接 ito-compute 已完成的一次预订。

当前生产边界

托管训练目前不可用。ECC 桥接仅暴露登录、登出、认证、查找、状态以及显式受控的评估。它没有 train 动词,规范 CLI 的 run 动词和 desk 训练运行后端仍为脚手架。本地可执行的保证是:ECC 在解析或启动携带凭据的规范客户端之前就拒绝 train。

因此,在认证或任何命令调用之前即停止。报告缺失的能力并返回发起方智能体。绝不要用本地训练器、SSH 助手、浏览器工作流或购买端点替代。

所需权益

当训练实现后,其第一道门槛是服务器验证的已完成预订。Harness 记忆、RFQ、报价、节点 IP 或 SSH 访问都不是权益证明。后端必须返回与已认证账户、预订、GPU 拓扑、区域、网络结构和期限绑定的最新训练资格。过期、撤销、不匹配、不完整或已释放的预订在确认前失败关闭。

未来 CLI 与 API 契约

预期的命令名是 train。未来的交接必须等价于:

ecc ito train
--booking <server-verified-booking-id>
--manifest <absolute-reviewed-json-file>
--confirmation-ref <opaque-non-authorizing-reference>
--idempotency-key <stable-retry-key>
--json

经审查的 manifest 必须标明模型规模与修订版本、带去污染来源的数据引用、训练目标、后训练配方、以美元计的费用上限、检查点策略以及最大增量成本。任何原始 API 密钥、SSH 密钥、节点密码、bearer 令牌或数据集凭据都不得出现在参数、manifest、日志、MCP 结果或聊天中。

客户端必须规范化 manifest 路径,拒绝符号链接,打开常规文件且不跟随链接,要求适当的所有权和限制性权限,强制有界大小,并对已打开描述符的字节进行哈希。该摘要必须与确认中绑定的摘要完全一致,之后才能进行任何工作负载变更。路径替换、摘要不匹配、文件过大或可变的不安全文件都会失败关闭。

规范 API(而非 ECC)必须拥有工作负载创建权,并返回结构化 JSON,包含 ok、live_api_contacted、notice 以及 data 或 error。训练数据必须包含稳定的 booking、run、manifest 和 idempotency ID 以及状态枚举。错误必须包含稳定代码和不含机密的安全消息。

确认与执行门槛

在工作负载创建之前,要求满足以下全部条件:

来自规范后端的最新权益与训练资格。

可审查的不可变 manifest 与确定性摘要。

单独的、一次性确认,绑定账户、操作、manifest 和成本,具有短有效期和重放保护。CLI 参数仅携带不透明的、非授权的确认引用;服务器在带外解析并消费该 bearer 能力。

调用方提供的幂等键,与运行原子地预留。

服务器端的网络结构、容量、数据策略、检查点存储和成本验证,包括 manifest 的费用上限。

认证是身份,不是工作负载权限。登录、API 密钥、报价或已完成预订永远不能替代训练确认。检查与计划生成不得创建工作负载。取消与清理是独立的变更操作,具有各自作用域的确认和幂等边界。

生命周期与恢复

在生产环境中,直到同一个规范客户端暴露租户作用域的状态、日志、指标、检查点列表、取消和清理,生产表面才算完整。每个操作都需要有界的连接和总体超时、感知撤销的错误以及结构化输出。在模糊的传输失败后,先按幂等键查询状态再重试;绝不要仅因第一个响应丢失就创建第二个运行。被撤销的凭据会停止轮询并将控制权返回发起方智能体,而不自动开始登录。

如实报告阶段门槛;绝不要覆盖失败的评估门槛。清理必须可观察,且不得释放或修改底层预订,除非该独立的经济操作已被明确授权。

拟议的后端阶段

这些阶段描述未来的后端(Layer 0.3),而非 ECC 中已存在的代码:

数据准备——manifest、去重、针对评估套件的去污染;150M 阶梯决策作业作为自定义数据的廉价预检。

并行与精度——根据模型规模、节点数、网络结构选择;拒绝浪费性组合。

检查点与容错——异步 DCP、torchft;检测 < 10 分钟,恢复 < 15 分钟。损失尖峰重启是拟议的、需人工把关的操作。

课程与评估门槛——分阶段的预训练 / 中期训练 / 长上下文 / 后训练,每个都有固定的评估组合;失败的门槛会停止运行。

后训练——SFT → DPO → RLVR(带 DAPO 稳定性修复的 GRPO),训练器/rollout 分离且有界陈旧度。

后端发出 desk 遥测(有效吞吐、中断率、检查点带宽),以便 desk 诚实地为训练区块定价。

在上述每个门槛和生命周期操作都存在于规范运行时之前,该技能仍是一个失败关闭的可用性检查与文档交接。