用途：kermt-finetune 是 KERMT 微调工作流编排技能，用于在用户提供的带标签 CSV 上微调预训练的 KERMT 编码器。它依次完成检查点校验、数据校验、数据准备、后台启动 runner，并返回运行目录与容器名。
输入与参数：必需 --csv（首列为 smiles，其余列为目标）。检查点可选：--ckpt 指向 pretrain 检查点（grover_base/cmim/hybrid）；若省略，除非传入 --pretrained-release，否则需用户明确同意后才下载已发布的 nvidia/NV-KERMT-70M-v2 并微调，--ckpt 与 --pretrained-release 互斥。--model-dir 指定保存目录。其他可选参数包括 --dataset-type（regression/classification/multiclass）、--targets、--val-csv/--test-csv、--split-type、--metric，以及 epochs、batch-size、学习率、dropout、early-stop、seed 等训练超参；FFN 相关有 --ffn-hidden-size、--ffn-num-layers、--ffn-num-task-specific-layers、--ffn-task-specific-hidden-size（两者须同时设置）。多模型可用 --ensemble-size、--num-folds；--gpus 选单卡，--num-gpus N>1 走 DDP 数据并行，此时 --batch-size 为每卡值。--from-prepare 可复用已有 prepare_data.json。
硬件：默认单 GPU；默认 batch_size 32 需显存 ≥8 GB，更低显存可减小 batch。每次运行占用数 GB 磁盘。主机需支持 CUDA 12.6。
流程：先用 kermt_container.sh check_system 做预检；计算 RUN_DIR；解析并校验检查点（已微调的检查点会被拒绝并引导至 kermt-infer）；用 check_data.py 校验数据；用 prepare_data.py 准备数据（注意 val/test 须与训练 CSV 同目录挂载，含 shell 元字符的目标列名需加单引号）；回显默认值；在启动前硬性要求确认最终目标列表；用 run_detached 后台启动，返回容器名、id 与日志路径。
输出与监控：run.json 含 cmd_replay 与镜像摘要；日志在 $RUN_DIR/logs/finetune.log；TensorBoard 在 $RUN_DIR/logs/tb；最终检查点位于 $RUN_DIR/ckpt/fold_0/model_0/model.pt，测试预测在 test_result.csv。用 kermt-monitor <RUN_DIR> 或 docker logs -f 跟踪进度。
限制：不修改输入检查点；架构取自检查点而非命令行；技能不支持续训（saved-task 身份无法机器校验），如需在相同数据集续训须直接调用 python main.py finetune。未提供的信息暂未说明。