ONLINE RL
DiffusionNFT
保留最终 x0 与奖励，再通过 forward noising 计算 flow-matching optimality loss。
POINTWISE
r(x0) → pi → LNFT
ONE SOURCE OF TRUTH
SFT / DPO / RL
03
SFT · DPO · DiffusionNFT
MCP
受控训练入口
SHA
代码 · 配置 · 权重血缘
SFT✦DPO✦DIFFUSIONNFT✦
POINTWISE REWARD✦RECALL✦MCP✦
✦✦✦
✦✦✦
THE OPERATING SYSTEM
One stack.
Every training loop.
训练不是一个脚本，而是一组必须同时成立的事实。
Multimodal Trainer 把版本化配方、模型实现、受控启动、指标、checkpoint 和人工评测连接到同一个运行身份。
INPUT / 01
先冻结要训练的事实
数据来源、参考图、顺序、随机种子和起始权重进入同一份可校验配置。
- 输入可追溯
- 数据与评测隔离
- 不静默复刷
MODEL WORKBENCH
Choose the loop.
Keep the evidence.
FOUNDATION
SFT
原生图像编辑、蒸馏与模型专属数据管线。
PREFERENCE
DPO
成对偏好训练与图像模型 FSDP2 候选配置。
MODEL LINES
FireRed · Qwen · Klein · SenseNova
共享工程入口，保持 scheduler、conditioning 与权重语义彼此隔离。
CONTROL PLANE
MCP first
网页负责看，MCP 负责提案、确认与发动。
REAL PRODUCT EVIDENCE
See the run.
Not just the claim.
WebTrainer Studio 把训练配置、运行状态、数据、指标、媒体和权重关系放进同一视图。
CHECKPOINT LINEAGE
A checkpoint
is not a result.
能读取、能续训、训练健康和质量晋级是四件不同的事。Multimodal Trainer 让每一步留下独立证据。
阅读事实源说明
INTENT
Recipe + data + start point
01
RUN
Code SHA + metrics + events
02
WEIGHT
Policy + optimizer + EMA + RNG
03
PROOF
Frozen eval + blind review
04
PROMOTE
Human decision + receipt
05
START FROM SOURCE