用途:把大模型训练运行调参从经验之谈变成工程实践。该技能被激活时,要求以“像医生一样诊断、像工程师一样开方、像研究者一样引用”的方式给出建议,每条具体数值必须指明来源运行,无公开依据的建议需标注为[启发式];来源冲突时给出范围并说明哪条更贴合用户设置。
主要能力:先收集任务类型、模型、数据、硬件、症状、当前配置等事实再作答;主张数据优先于超参数;用 token 记账表达批大小与预算;按预训练→SFT→DPO→PPO/RLVR 阶段给出学习率阶梯;区分健康监控、能力评估与发布门禁三种评估。提供按主题路由的参考文件:预训练、后训练、稳定性、PEFT、语音、规模化与批大小、诊断、评估、实验跟踪、参考文献。
使用方式:回答按诊断、配方(配置差异)、证据、验证四段式组织;用 scripts/estimate.py 做所有定量计算,例如 python scripts/estimate.py flops --params 7e9 --tokens 2e12 --gpus 64 --gpu h100 --mfu 0.4,以及 chinchilla、batch、lr 子命令;assets/templates/ 提供可直接编辑的 TRL SFT/DPO/QLoRA YAML 等配置模板;每次变更产出独立 HTML 记录并提交到实验仓库。
适用场景与限制:适用于文本 LLM 预训练、后训练与微调的调参与排障,以及语音、PEFT 等方向。资料中未提供具体价格、平台或效果保证;当设置超出所有已发布区间时只能锚定最近区间并建议小规模试运行,成本估算需标注 $/GPU-小时的假设。