官方平台用户指南¶

本页是官方企业微信文档的仓库内整理版，方便查训练、模型发布、评测入口和平台变量。官方页面需要登录态，所以这里保留可长期查阅的文字和图片。

同步来源：

训练任务怎么走¶

官方平台的训练流程是：

1. 创建训练任务，填写 Job Name 和 Job Description。
2. 上传本地脚本，或在平台里新建脚本。
3. 提交任务。
4. 点击 Run 启动。
5. 进入 Instances 查看 Output 和 Logs。
6. 需要提前停止时点击 Stop。

本仓库上传训练任务时，通常上传 线上 Bundle 上传 里生成的 run.sh 和 code_package.zip。

官方图示：

模型怎么发布¶

训练完成后，模型发布入口在训练任务的实例产物页：

1. 进入训练任务的 Instances。
2. 打开 Output。
3. 选中要发布的 checkpoint。
4. 点击 Publish。
5. 填写 Model Name 和 Model Description。
6. 提交后 Publish Status 变为 Released。

发布后的模型可以在 Model Management 查看。

评测任务怎么走¶

评测入口有两种：

• 在 Model Management 里找到模型，点击 Model Evaluation。
• 进入 Model Evaluation 页面，点击 Create Evaluation。

官方要求：

本仓库的推理 bundle 会生成符合入口要求的 infer.py。

平台规格¶

官方文档给出的单个 GPU 切片规格：

官方软件环境摘要：

对本仓库最相关的预装包包括 torch==2.7.1+cu126、torchrec==1.2.0+cu126、fbgemm_gpu==1.2.0+cu126、pyarrow==23.0.1 和 pandas==2.3.3。

真实任务日志中的网络、代理和依赖源情况见 线上运行环境速查。

训练环境变量¶

官方要求 checkpoint 目录名前缀为 global_step，目录名长度不超过 300 个字符，只使用字母、数字、下划线、连字符、等号和点号。

本仓库训练产物会写出 global_step*/model.safetensors，并在同目录保存 schema.json 与 train_config.json。

评测环境变量¶

predictions.json 格式：

{
  "predictions": {
    "user_001": 0.8732,
    "user_002": 0.1245
  }
}

key 必须是测试集里的有效 user id，value 是 0 到 1 的预测概率。

依赖准备脚本¶

官方评测任务允许额外上传一个严格命名为 prepare.sh 的脚本。它会在推理前、平台预激活 Conda 环境中执行。

只有在平台默认环境确实缺少依赖时才使用它。核心 CUDA / PyTorch 栈不建议在这里覆盖安装。

图集¶

这些图片来自官方文档内嵌资源，已经落到仓库本地：

维护这页¶

更新官方文档快照时，正文和图片都应落到仓库内。图片放在：

docs/assets/figures/guide/official-platform-guide/

改完后运行：

uv run zensical build --strict

评论