训练数据集
学会完成任务
依据训练需求组织的任务样本、专家示范以及成功、失败和纠错数据
任务样本专家示范偏好数据
SFT · 偏好优化 · 专项能力训练数据产品与 RL 训练环境
训练数据
与 RL 训练环境
以四类产品支持模型学习、评测与强化训练围绕下一阶段的目标能力选择所需交付
获取数据 Demo围绕能力目标
选择所需数据
同一真实任务可以支持模型开发的不同阶段每种产品都有清晰的用途与交付内容
评测数据集
识别能力边界
用于 Benchmark 的任务、初始状态与验收标准以及可用于比较模型表现的评测记录
评测任务初始状态验收标准
模型评测 · 版本回归 · 失败分析Agent 轨迹
学习完整过程
逐步记录观察、操作、工具调用与环境反馈并关联任务结果覆盖成功、失败与纠错过程
环境观察操作与工具结果与纠错
行为蒸馏 · 错误恢复训练 · 奖励建模RL 训练环境
在实践与反馈中进阶
可运行、可重置的任务环境包含初始状态、任务定义与结果验证器用于交互式训练和评测
可重置状态交互任务结果验证器
Rollout · RLVR · 持续训练交付与接入
交付什么 如何接入与验收
先确定所需交付形态 再围绕目标任务明确环境依赖 交互方式和验证范围
数据包
用于训练或评测的任务记录与证据 评估重点是记录包含什么 以及各字段如何关联
- 查看交付组成
- 任务上下文 · 执行轨迹 · 结果产物 · 验证记录
- 确认适用范围
- 确认字段结构 样本覆盖范围及训练或评测用途
可运行环境包
供 Agent 执行操作并获得反馈的任务环境 评估重点是如何准备 交互 控制状态及检查结果
- 查看交付组成
- 环境定义 · 任务配置 · 操作接口 · 重置与验证方式
- 确认适用范围
- 确认接入方式及运行前需要准备的依赖
接入前确认这六项
用这份清单明确项目范围 接口支持与交付内容按项目约定
运行环境与依赖
需要哪些运行时版本 资源配置与外部服务 哪些依赖随包交付 哪些需要自行准备
对应查看哪些材料版本清单 · 依赖列表 · 环境准备说明
操作接口与反馈
Agent 如何发起操作并读取观察 确认约定接口的输入 输出 错误处理及权限范围
对应查看哪些材料接口说明 · 输入输出示例 · 错误定义
初始状态与重置
重置会恢复哪些文件 记录与任务状态 哪些外部操作不能自动撤销 如何检查重置后的状态
对应查看哪些材料初始状态定义 · 重置范围 · 恢复检查
轨迹与产物关联
任务 执行批次与步骤标识如何关联操作 观察 错误和产物 中断执行如何记录
对应查看哪些材料记录结构 · 执行标识 · 产物索引
验收与奖励信号
哪些检查判定任务完成 哪些结果需要专家评审 如交付奖励信号 需确认计算方式及验证器版本
对应查看哪些材料验收条件 · 验证证据 · 适用时的奖励定义
交付范围与评测划分
交付包含哪些任务 版本与文档 训练输入如何与保留评测材料区分 确认 Demo 及正式交付的使用范围
对应查看哪些材料交付清单 · 划分规则 · 约定用途与验收范围
拿到环境 Demo 后怎么检查
准备初始状态
运行约定 Demo 前 核对版本 依赖与任务输入
检查一次执行
沿着操作 观察与产物检查记录关联 并查看错误如何记录
验证结果与重置
检查完成证据 再核对重置是否恢复约定的初始状态
这里展示评估流程 本页没有运行中的训练环境
沟通适合你接入方式的 Demo
告诉我们目标任务 现有运行条件 以及希望评估的数据或环境形态
合作流程
从目标能力
到可用的训练资产
围绕模型需要掌握的真实任务一步步完成数据与环境交付
真实工作
专业经验
转化为学习的起点
任务上下文完整执行轨迹可验证结果
明确目标能力
从模型需要掌握的任务出发约定任务领域、数据格式与验收标准
构建训练资产
采集真实任务与专家经验组织数据集、执行轨迹和交互式训练环境
验证、交付、迭代
检查数据质量与任务结果交付完整文档再依据评测发现定义下一批数据
围绕下一阶段
一起定义能力目标
从任务领域、目标行为与质量标准开始
获取数据 Demo