托管配方参数

使用托管请求，不在用户脚本推进优化器循环。可用字段包括 max_steps、max_length、per_device_train_batch_size、gradient_accumulation_steps、seed、labels 与受限 records；Qwen/Qwen3.8-27B 文本配方另支持 hyperparams、parent_checkpoint 和 loss_on（见下文）。发现接口返回当前 schema 以及各配方的限制，未知字段被拒绝。

GLM 使用冻结的 glm53_unsloth attention QLoRA 配方、revision 与资源模板。不支持任意 LoRA rank/optimizer、自定义 loss、RL 或优化器状态续训；保存状态不增加这些能力。通过监控读取真实 loss/指标与最终产物。相同提交沿用原 request_id 重试，不重放结果未知的优化器更新。

Qwen3.8-27B 选项

在 Qwen/Qwen3.8-27B 文本 SFT（内联 records，不带 recipe）上，请求可以接着已有的运行继续训练、设置优化参数并给 Job 打标签。所有字段都是可选的；省略时与原来完全一致：学习率 1e-4、rank 16、linear 调度、无 warmup。发现接口（GET /v1/job/training-models）在 features 与 limits 中列出允许的范围。

{
  "request_id": "rsi-7-round-2",
  "base_model": "Qwen/Qwen3.8-27B",
  "records": [{"messages": [
    {"role": "user", "content": "What is 1 + 1?"},
    {"role": "assistant", "content": "2"}
  ]}],
  "parent_checkpoint": "envloop://job_01M5KPXGHTRDW4NTWDVSPJE0SN/adapter-final",
  "hyperparams": {"learning_rate": 5e-5, "epochs": 2, "lora_rank": 16, "batch_size": 8,
                  "warmup_ratio": 0.1, "lr_scheduler": "cosine"},
  "max_length": 4096,
  "loss_on": "last_assistant_turn",
  "labels": {"source": "rsi-loop-dsh", "rsi_run": "rsi-7", "rsi_round": "2", "purpose": "sft"}
}

字段	规则
`labels`	最多 16 个字符串键值对。键匹配 `[A-Za-z0-9_][A-Za-z0-9_.-]{0,63}`；值为不含控制字符、不超过 256 字符的文本。所有托管文本配方都允许。Job 在状态、列表和结果中以 `labels`（以及 `user_metadata`）返回，不影响计费。
`parent_checkpoint`	本项目内已成功的托管 Job 的 `envloop://<job>/<checkpoint>` 路径，须来自同一配方且 `lora_rank` 相同。其 adapter 权重用作新 adapter 的初值；优化器、学习率调度和步数从头开始。路径不存在、属于其他项目或尚未持久化返回 `422 PARENT_CHECKPOINT_UNAVAILABLE`；基础模型、配方或 rank 不同返回 `422 PARENT_CHECKPOINT_INCOMPATIBLE`。
`hyperparams.learning_rate`	`1e-7` 至 `1e-2`。
`hyperparams.epochs` 或 `hyperparams.max_steps`	训练长度，二选一（也不能与顶层 `max_steps` 同时给出）。`epochs` 至多 100，`max_steps` 至多 100,000。平台在准入时把 epochs 换算为优化步数（`ceil(epochs × records ÷ batch_size)`）并返回将运行的步数。
`hyperparams.lora_rank`	8、16、32 或 64（默认 16），即 `qwen38-27b@1` serving profile 能加载的 rank。
`hyperparams.batch_size`	每个优化步的样本数，1 至 256（不能与 `per_device_train_batch_size`、`gradient_accumulation_steps` 同时给出）。
`hyperparams.warmup_ratio`	占训练长度的 0 至 0.5。
`hyperparams.lr_scheduler`	`cosine`、`linear`（默认）或 `constant`。
`max_length`	至多 32,768 token（默认 8,192）。仅 8,192 是已验证的范围。
`loss_on`	`last_assistant_turn`，唯一模式也是默认值：只在最后一条 assistant 消息上计算 loss，之前的轮次（包括更早的 assistant 轮次）仅作上下文。

Job 以 hyperparameters 返回实际使用的取值。把某一轮的 checkpoint.path 作为下一轮的 parent_checkpoint 即可串联。这些选项在准入时校验：越界取值返回 422 INVALID_TRAIN_JOB_SPEC，不会被静默截断。其他模型和配方会拒绝 parent_checkpoint、hyperparams 和 loss_on。

Qwen3.8-27B 选项​

Qwen3.8-27B 选项