用途：本工具用于自动化火山方舟（Ark）大模型训练流程，覆盖从数据预处理到模型评估的训练闭环。适用场景包括大模型 SFT 监督微调、RLHF/RL/RFT 训练、GRPO 训练，或需要自动化训练流程时。
主要能力：支持 SFT（用户自备 JSONL 训练数据，验证集可选）；支持智能选择训练策略，根据初始 BON 指标自动决定“先 RFT 再 GRPO”（BON<0.3）或“直接 GRPO”（BON≥0.3）；提供训练任务状态查询、输出模型 ID 获取、心跳监控登记；支持基础模型与版本查询、超参数查询、端点管理，以及模型评估（计算 BON/AON/AvgN 指标）和 RFT 训练数据收集。
使用方式：所有功能统一通过 ark-trainer-helper 命令入口调用，脚本位于 skill 安装目录下 scripts/ark_trainer_helper.py。例如未配置 PATH 时可执行：python ~/.agents/skills/byted-ark-trainer/scripts/ark_trainer_helper.py <命令> <参数>；配置后可直接使用 ark-trainer-helper <命令> <参数>。使用前建议先运行 --help 查看参数。训练类型需通过 list-models 和 list-versions 确认精确模型名与版本，再用 ark get foundation-model --model <基础模型名> --version <版本号> --fields hyperparameters 校验支持的训练方式与可配置超参数。评估命令为 ark-trainer-helper train evaluate，RFT 数据收集命令为 ark-trainer-helper train rft-data-collect。数据集格式指南按需加载自 references/模型精调数据集格式指南/。
限制与注意事项：需用户确认 Python 环境、工作目录与密钥（ARK_API_KEY、VOLCENGINE_ACCESS_KEY、VOLCENGINE_SECRET_KEY）。RL/RFT/GRPO 必须提供数据集、rollout 函数和 grader 函数文件，且须先做初始评估；evaluate 不接受 --model 参数，实际模型由 rollout.py 内 model= 字段决定。SFT 与 RL 的超参数字段不可混用。关键决策点需用户明确确认后才能继续。缺失必需文件或未确认信息时流程会终止。