01 · 数据准备与 Badcase已完成
开始 2026-09-10 17:40:34 · 完成 2026-09-10 17:40:45 · 耗时 <1分钟
输入数据源共 3000 条，本轮选择 3000 条。
产出产出 3000 条 badcase，原始 PASS 0 条。
数据飞轮
模型评测与逐阶段进度 · 静态只读快照
评测总表
| 模型 | 设置 | 用药总体能力 ↑ | 工具 ↑ | gpt-医学 ↑ | gpt-体验+ ↑ | gpt-体验− ↓ | ge-医学 ↑ | ge-体验+ ↑ | ge-体验− ↓ | seed-医学 ↑ | seed-体验+ ↑ | seed-体验− ↓ |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Baseline | Oneloop1.3 | 36.86 | 58.45% | 69.73% | 22.54% | 29.30% | 74.87% | 80.33% | 6.35% | 73.93% | 84.22% | 3.28% |
| 0909-SFT | 3k LLM + 8k 历史 LLM 数据（Verify 过滤后的 badcase） | 47.20 | 65.14% | 85.59% | 55.74% | 7.17% | 88.97% | 76.43% | 5.53% | 87.47% | 93.24% | 1.43% |
| 0909-RFT-r1 | 同 0909-SFT | 47.41 | 69.03% | 88.10% | 59.22% | 9.22% | 89.85% | 81.56% | 6.15% | 88.60% | 93.44% | 1.64% |
| 0909-RFT-r2 | 同 0909-SFT | 49.52 | 65.85% | 87.97% | 57.58% | 9.84% | 90.23% | 83.61% | 4.71% | 89.22% | 93.85% | 1.02% |
| 0909-RFT-r3 | 同 0909-SFT | — | 67.39% | 84.96% | 58.61% | 6.76% | 86.97% | 84.43% | 4.30% | 85.96% | 93.03% | 0.82% |
| 0918-SFT · Oneloop1.4 | Oneloop1.4 | 50.97 | — | — | — | — | — | — | — | — | — | — |
| 0918-SFT | 5k badcase + 8k 历史数据；长度拓展 | 48.28 | — | — | — | — | — | — | — | — | — | — |
| 0918-RFT-r1 | 同 0918-SFT | 53.93 | — | — | — | — | — | — | — | — | — | — |
| 0918-RFT-r2 | 同 0918-SFT | — | — | — | — | — | — | — | — | — | — | — |
exp_0909
当前进度：Stage2–Stage7 与正式评测已完成02 · 强模型合成与 Verify已完成
开始 2026-09-10 17:40:45 · 完成 2026-09-11 18:11:18 · 耗时 1天 0小时 30分钟
输入Stage 1 的 3000 条 badcase。
产出2845 条轨迹进入下一阶段，155 条进入复核。
03 · Reminder 引导自 Rollout按配置跳过
Stage2 PASS 直接进入 Stage4 SFT
输入Stage 2 的 2845 条 Teacher PASS 轨迹。
产出无新增轨迹；沿用 Stage2 的 2845 条通过轨迹。
04 · 首轮 SFT已完成
开始 2026-09-11 18:11:18 · 完成 2026-09-12 01:43:07 · 耗时 7小时 31分钟
输入Stage 2 质量门通过轨迹，共 2845 条。
产出实际提交 10,916 条（本轮 badcase 轨迹 2,564 + 固定历史数据 8.352k）；checkpoint：[已隐藏]。
05 · SFT 模型 Pass@k Rollout已完成
开始 2026-09-12 01:43:07 · 完成 2026-09-12 08:00:29 · 耗时 6小时 17分钟
输入Stage 2 的 2845 条通过轨迹与 Stage 4 SFT checkpoint。
产出候选 — 条，Judge PASS 轨迹 125 条，PASS case 125 条。
06 · 多轮 RFT（SFT）已完成
开始 2026-09-12 08:00:29 · 完成 2026-09-13 16:07:31 · 耗时 1天 8小时 7分钟
输入统一使用 Stage 2 PASS 种子题库；计划 3 轮。
产出三轮训练与逐轮正式评测均完成；Round 3 checkpoint：[已隐藏]。
07 · 最终 Replay已完成
开始 2026-09-13 16:07:31 · 完成 2026-09-13 20:50:45 · 耗时 4小时 43分钟
输入最终模型与 Stage 4 训练题目。
产出最终 Replay 数据：2297。
exp_0918
当前进度：Round 2 外部训练与 checkpoint 登记01 · 数据准备与 Badcase已完成
开始 2026-09-20 01:05:57 · 完成 2026-09-20 01:06:17 · 耗时 <1分钟
输入数据源共 5000 条，本轮选择 5000 条。
产出产出 5000 条 badcase，原始 PASS 0 条。
02 · 强模型合成与 Verify已完成
开始 2026-09-20 01:06:17 · 完成 2026-09-20 21:27:15 · 耗时 20小时 20分钟
输入Stage 1 的 5000 条 badcase。
产出1911 条轨迹进入下一阶段，3089 条进入复核。
03 · 已跳过 · 直接使用 Stage 2 PASS已完成
开始 2026-09-20 21:27:15 · 完成 2026-09-20 21:27:15 · 耗时 <1分钟
输入Stage 2 的 1911 条 Teacher PASS 轨迹。
产出Stage 4 直接接收 1911 条严格 PASS 轨迹。
04 · 首轮 SFT已完成
开始 2026-09-20 21:27:15 · 完成 2026-09-21 01:21:31 · 耗时 3小时 54分钟
输入Stage 2 质量门通过轨迹，共 1911 条。
产出训练数据 1911 条；checkpoint：[已隐藏]。
05 · SFT 模型 Pass@k Rollout已完成
开始 2026-09-21 01:21:31 · 完成 2026-09-22 05:19:15 · 耗时 1天 3小时 57分钟
输入Stage 1 的 5000 条全量 badcase 与 Stage 4 SFT checkpoint。
产出候选 — 条，Judge PASS 轨迹 2101 条，PASS case 2101 条。
06 · 多轮 RFT（SFT）进行中
开始 2026-09-22 05:19:15 · 已推进 1天 9小时 10分钟
输入统一使用 Stage 1 全量 badcase 种子题库；计划 2 轮。
产出Round 2 训练请求已就绪
07 · 最终 Replay等待中
尚未开始
输入最终模型与 Stage 4 训练题目。
产出最终 Replay 数据：尚未生成。
exp_0924
当前进度：—exp_1003
当前进度：全部阶段已完成01 · 数据准备与 Badcase已完成
开始 2026-10-04 02:03:44 · 完成 2026-10-04 02:03:59 · 耗时 <1分钟
输入数据源共 5000 条，本轮选择 5000 条。
产出产出 5000 条 badcase，原始 PASS 0 条。
02 · 强模型合成与 Verify已完成
开始 2026-10-04 02:03:59 · 完成 2026-10-07 15:02:08 · 耗时 3天 12小时 58分钟
输入Stage 1 的 4936 条 badcase。
产出1267 条轨迹进入下一阶段，3669 条进入复核。
03 · 已跳过 · 直接使用 Stage 2 PASS已完成
开始 2026-10-07 15:02:08 · 完成 2026-10-07 15:02:08 · 耗时 <1分钟
输入Stage 2 的 1267 条 Teacher PASS 轨迹。
产出Stage 4 直接接收 1267 条严格 PASS 轨迹。
04 · 首轮 SFT已完成
开始 2026-10-07 15:02:08 · 完成 2026-10-08 07:53:57 · 耗时 16小时 51分钟
输入Stage 2 质量门通过轨迹，共 1683 条。
产出训练数据 1683 条；checkpoint：[已隐藏]。
05 · SFT 模型 Pass@k Rollout已完成
开始 2026-10-08 07:53:57 · 完成 2026-10-09 09:58:19 · 耗时 1天 2小时 4分钟
输入Stage 1 的 5000 条全量 badcase 与 Stage 4 SFT checkpoint。
产出候选 — 条，Judge PASS 轨迹 2259 条，PASS case 2259 条。
06 · 多轮 RFT（SFT）已完成
开始 2026-10-09 09:58:19 · 完成 2026-10-10 10:59:24 · 耗时 1天 1小时 1分钟
输入统一使用 Stage 1 全量 badcase 种子题库；计划 2 轮。
产出Round 2 checkpoint：[已隐藏]
07 · 最终 Replay已完成
开始 2026-10-10 10:59:24 · 完成 2026-10-10 13:37:17 · 耗时 2小时 37分钟
输入最终模型与 Stage 4 训练题目。
产出最终 Replay 数据：1401。
更新时间：2026-10-10 20:59 CST。此公开快照仅包含汇总指标和阶段概览；不含数据文件、内部路径、任务链接或实时服务。