在DPO任务界面，可以查看任务的详情、新建运行任务和删除整个任务（包括运行）。
在指定任务的详情页面，可以查看所有的模型训练运行任务状态及其他相关内容。

登录到本平台，在左侧功能列偏好学习选择DPO，进入DPO主任务界面。

以下页面可以进行 详情查看、发布模型、查看 评估报告和训练日志、查看 训练过程可视化以及删除作业等。

详情

在DPO的详情页，即可查看训练运行的列表。此界面可选择“创建训练作业”。

点击任务名称，在任务详情页可查看创建运行时的基本信息、训练配置和数据配置，详情数据的来源为创建DPO作业时填入的内容。

发布

可以指定某个运行成功的任务，发布为模型（上图右上方）。

发布模型时，如果checkpoint保存个数大于1，增加Step的选择。默认选保存了Checkpoint的最新的Step（即最后一个Step）。如果checkpoint保存个数等于1，不显示Step的选择。

填写好如下参数后，将被我的模型所纳管。

需注意：当您发布到已有模型的新版本时，仅可以发布到和模型管理的基础模型一致的模型中。

评估报告

可以查看指定运行中心评估报告，包含评估信息的指标参数和Training Loss的曲线图。

• BLEU-4： 是NLP中机器翻译/⽂本摘要等生成类任务常⽤的评价指标，是将模型生成结果和标注结果分别按1-gram、2-gram、3-gram、4-gram拆分后，计算出的加权平均精确率（n-gram 指⼀个语句⾥⾯连续的n个单词组成的⽚段）。
• rouge-N（1/2/L）-f：百分⽐。ROUGE通过将模型⽣成的摘要或者回答与参考答案（⼀般是⼈⼯⽣成的）进⾏⽐较计算，得到对应的得分。Rouge-N实际上是将模型⽣成的结果和标准结果按N-gram拆分后，计算召回率。
• Rewards Accuracy：选择response的奖励超过相应的拒绝奖励response的频率的平均值。
• Rewards Chosen：选择response在最优策略模型和偏好模型的对数概率的平均差值。值越大代表效果越好。
• Rewards Margin：选择和拒绝response的对数概率的平均差值。值越大代表效果越好。
• Rewards Rejected：拒绝response在最优策略模型和偏好模型的对数概率的平均差值。值越小代表效果越好。
• Training Loss：训练集每个Step的损失。
• Embedding距离（基础模型为EB模型时）：衡量两个向量相似度的度量方法。计算两段文本向量化后夹角的余弦值，值越小表示相似度越高。取值范围从0到2，0表示完全相同，1表示没有相似性，2表示完全相反。
• 编辑距离（基础模型为EB模型时）：Edit distance，将一个字符串转换成另一个字符串所需的最少编辑操作次数。次数越小表示相关性越高。

训练日志

可以查看运行任务的训练情况，分为概览日志、数据处理日志和训练日志三部分，日志内容均支持下载（txt格式）。

• 概览日志：对模型训练过程中的关键步骤信息进行抽取展示。
• 数据处理日志：对模型训练过程中数据集等数据信息处理进行展示排查。
• 训练日志：对模型训练过程中的全量动作以日志的形式展示。

概览日志部分内容如下所示：

训练过程可视化

可以查看训练过程中的实时的参数变化。关于各项参数指标的定义可查看可视化指导。

删除

支持删除运行任务，运行任务一旦删除便不可恢复。