阿拉丁 · 模型开发平台

一站式模型训练工厂，
工程化管理模型开发。

像管理项目一样管理模型训练。在一个工作空间准备模型与数据、分配算力、运行任务，保留每次实验的配置、结果和产物。

预约演示查看服务手册

训练管理

模型、任务与算力，在同一平台管理。

模型与数据

集中管理基座模型、文件与数据集，每次训练保留对应的数据快照。

任务与实验

创建训练任务、比较多组参数，按任务查看状态、日志、指标和检查点。

资源与环境

统一维护账户队列、资源配额、运行镜像与开发环境，安排团队训练资源。

产物与记录

模型产物与训练配置、数据版本和日志一起保存，方便复核与交接。

工程化模型开发

从各自运行脚本，到团队协同训练。

当实验次数和参与人员增加，训练环境、资源安排与结果记录也需要统一管理。

分散脚本训练与平台工程化训练的常见差别
管理事项	分散的脚本训练	阿拉丁模型训练工厂
运行环境	各自安装依赖、维护脚本，运行条件难核对。	统一维护镜像与任务模板，保留运行配置。
计算资源	人工协调机器和使用时间，多人训练时容易冲突。	通过账户、队列和配额分配资源，查看使用情况。
训练数据	文件分散复制，修改后难确认实验使用了哪个版本。	集中保存文件，提交任务时保留数据快照。
实验比较	参数和结果散落在笔记、表格中，比较依赖人工整理。	按任务保留配置，逐组 Trial 对照验证指标。
故障排查	逐台登录训练机器，查进程、翻日志。	按任务查看状态、日志和指标，定位异常。
产物交付	权重、代码和配置分别传递，复现条件容易遗漏。	关联保存检查点、配置、数据快照与日志。

训练数据管理

上传训练数据，
支持 SFT 与 CPT。

上传并校验训练文件，检查样本内容；每次任务保留数据快照。

上传数据

在训练向导中上传 JSONL，也可选用文件空间中已有的数据。

选择格式

SFT 使用指令与回答，CPT 使用文本段落。

检查样本

查看格式校验结果与样本预览，人工核对内容和答案。

保存快照

提交任务时保存数据副本，关联对应的训练配置。

SFT 数据格式

每条样本包含任务指令和期望回答，input 可补充上下文。

training-data.jsonlUTF-8 · JSONL

{"instruction": "为这条咨询标注类别。", "input": "我要申请发票。", "output": "发票办理"}
{"instruction": "概括用户的诉求。", "input": "快递一直没到。", "output": "查询物流进度。"}

每行一条样本。示例用于说明格式。

instruction必填: 模型需要完成的任务。
input可选: 任务所需的上下文或补充信息。
output必填: 期望的回答、标签或输出格式。

训练前请人工核对样本内容和答案。

CPT 数据格式

每条样本用 text 保存一段连续文本。

training-data.jsonlUTF-8 · JSONL

{"text": "训练前检查语料的编码、格式和内容质量。"}
{"text": "训练结束后保存检查点，并使用独立测试集检查模型输出。"}

每行一条样本。示例用于说明格式。

text必填: 用于持续预训练的文本段落。

训练前请人工核对样本内容和答案。

训练工作台

创建训练任务，查看配置与结果。

选择基座模型、设置训练参数，再按任务查看日志、指标与检查点。

01 / 04

查看模型文件与训练要求。

查看模型是否就绪，核对文件位置与资源要求，再从选定模型进入训练向导。

模型文件与就绪状态
训练资源要求
推荐起始参数

查看操作指南

算力与权限管理

统一分配训练资源，
管理队列与成员权限。

通过账户与队列分配算力，查看资源用量，维护运行镜像与操作记录。

队列与配额

核对可用容量、已申请资源与实际用量。

成员与审计

维护账户成员，查看操作与使用记录。

镜像与模板

为在线开发与自定义训练准备一致的运行环境。

训练实践

模型微调、自动调参与持续预训练。

以下 CPU 验证任务保留了训练配置、验证指标与模型产物。业务效果需通过独立评测确认。

Qwen · LoRA 微调

客服意图分类模型训练

使用合成意图样本完成 Qwen2.5-1.5B 微调，检查训练指标，再用独立测试集重载适配器、核对模型输出。

Qwen · 自动调参

三组训练配置对照

固定模型与数据，对照学习率、Rank 和验证损失。每组实验的配置与检查点分别保留，便于继续验证。

Tiny GPT-2 · CPT

连续文本训练流程验证

用文本样本验证数据加载、全参数更新与检查点保存，检查持续预训练任务从提交到产物输出的完整过程。

Qwen · LoRA 微调

客服意图分类模型训练

使用合成意图样本完成 Qwen2.5-1.5B 微调，检查训练指标，再用独立测试集重载适配器、核对模型输出。

Qwen · 自动调参

三组训练配置对照

固定模型与数据，对照学习率、Rank 和验证损失。每组实验的配置与检查点分别保留，便于继续验证。

Tiny GPT-2 · CPT

连续文本训练流程验证

用文本样本验证数据加载、全参数更新与检查点保存，检查持续预训练任务从提交到产物输出的完整过程。

Qwen · LoRA 微调

客服意图分类模型训练

使用合成意图样本完成 Qwen2.5-1.5B 微调，检查训练指标，再用独立测试集重载适配器、核对模型输出。

Qwen · 自动调参

三组训练配置对照

固定模型与数据，对照学习率、Rank 和验证损失。每组实验的配置与检查点分别保留，便于继续验证。

Tiny GPT-2 · CPT

连续文本训练流程验证

用文本样本验证数据加载、全参数更新与检查点保存，检查持续预训练任务从提交到产物输出的完整过程。

了解更多

常见问题

结合团队、数据和算力条件，规划模型开发流程。

阅读完整服务手册

统一组织模型、数据、运行环境、计算资源、任务与产物。任务记录保留参数配置、数据快照和运行结果，团队可以据此核对实验条件、比较结果并复现训练。

向导支持 SFT 与 CPT，可按模型和资源条件选择 LoRA 或全参数更新。自定义训练任务可运行团队自己的算法、框架与数据处理脚本。

可以在文件空间准备完整模型，并上传 UTF-8 编码的 JSONL。SFT 使用 instruction、output 字段，可选 input；CPT 使用 text。格式校验后，还需检查样本内容与业务答案。

可用算力由部署环境与账户队列决定。管理员需要先配置设备、调度和运行镜像。交付材料中的示例为 CPU 流程验证，GPU 与分布式训练需在目标环境完成配置和验收。

训练完成后保留权重或适配器、参数配置和验证记录，再通过独立评测确认业务效果。MaaS 可承接模型部署与服务资源管理。

为团队搭建自己的模型训练工厂。

统一组织模型开发、训练资源与实验记录。

预约产品演示

一站式模型训练工厂，工程化管理模型开发。

模型、任务与算力，在同一平台管理。

模型与数据

任务与实验

资源与环境

产物与记录

从各自运行脚本，到团队协同训练。

上传训练数据，支持 SFT 与 CPT。

上传数据

选择格式

检查样本

保存快照

SFT 数据格式

创建训练任务，查看配置与结果。

查看模型文件与训练要求。

统一分配训练资源，管理队列与成员权限。

队列与配额

成员与审计

镜像与模板

模型微调、自动调参与持续预训练。

客服意图分类模型训练

三组训练配置对照

连续文本训练流程验证

常见问题

为团队搭建自己的模型训练工厂。

一站式模型训练工厂，
工程化管理模型开发。

上传训练数据，
支持 SFT 与 CPT。

统一分配训练资源，
管理队列与成员权限。