v7 · 三档思考 · 实时 loss

上下文蒸馏：老师 = 带原理的 Qwen，学生 = 不带原理的同一个模型 + LoRA。每 30 秒自动刷新。

进度

–

最新 loss

–

近 10 步平均

–

已用 / 预计剩余

–

每步 loss（8 条样本平均）滑动平均v2 滑动平均（对照）

v7 = being（存在原理原生）+ 三档思考都能用：老师 = 千问基座 + being 的 S，分别在低 / 中 / 高三个思考档位下生成数据，学生用同一档渲染训练（Bob 11-05 定）。高档用 being v1 的数据，低、中两档是 11-05 夜里新生成的（裁判和泄漏改写用 GLM 5.3）。每档按 token 预算抽样，类别比例不变。LoRA 秩 32，1 个 epoch，MAXLEN 12288。