合作方式 · 评估先行
把模型训出来不难，判断它到底有没有变好才是活儿。
谁都能跑完一次微调，然后给你看一条漂亮的 loss 曲线。真正要紧的问题是：结果有没有赢过你现在在用的东西——以及如果没赢，你会不会被拦住不让上线。
通常是什么把人带到这一页
跑完一次微调，不等于能力真的变好了。
下面是我们被问得最多的情况。其中好几种，评估的结论恰恰是「不要训」——这也是一个正当的结果。
- 手里有行业数据，但不知道够不够、值不值得拿去训。
- 供应商交付了一个微调模型，却拿不出它赢过基座模型的证据。
- 提示词基本够用，判断不了训练到底还能不能带来增量。
- 出于合规要求，模型必须留在自己的环境里。
- 有人上线了新版本，但没人说得清改了什么、怎么退回去。
- 需要向审查方解释：为什么现在生产环境跑的是这个版本。
我们怎么看这件事
做决定的是评测，不是那次训练。
在拿出证据赢过基线之前，候选模型一律推定为不合格。一次合作的价值大部分在门禁上，不在 GPU 时长上。
先有基线，再谈其他
没有实测基线，就没有可改进的对象，也没有办法证明你改进了。这一步永远排在最前面。
一道真的会驳回的门禁
输给生产版本的候选模型不许上线。这件事必须在训练开始之前就成立，否则事后不会成立。
每个版本都可回退
模型版本是有血缘的制品。退回上一版是一个决定，而不是一场事故。
一次合作会产出什么
我们自己的一次运行——门禁说不的那一次。
候选得分 0.5667，生产基线 0.6167。候选被驳回，线上版本自始至终没有改变，整次运行封存在审计账本里。这才是交付物：不是一个模型，而是一个关于模型的、站得住的决定。
已分配 2× T4
OKQLoRA 会话激活
OK候选 0.5667
WARN基线 0.6167
FAILassistant-v6 被驳回
拦截线上版本保持不变
OK取自 OneForge 自身控制平面的归档运行，用的是我们自己的模型。这是我们把标准用在自己身上的证明，不是客户成果。
怎么开始
在提出替你训练之前，我们先告诉你该不该训。
评估的结论可能是数据太薄、可能是检索比训练更合适、也可能是提示词已经触到这个任务的天花板。这些都是有用的答案，而且比事后才发现便宜得多。
说清任务
模型要做什么、今天谁在检查它的输出、一次出错的实际代价是多少。
数据与基线复核
有多少可用数据、标注情况如何、现在这套做法实测得分是多少。没有基线，就没有结论。
一个能据以行动的结论
训、不训，或者先做别的。附上推理过程，让你自己的团队可以复核。
可行才谈试点
评测标准和发布门禁白纸黑字写清楚，然后才分配 GPU。
谁来做这件事
创始人亲自带，所以同期只做 2 个。
项目由创始人直接负责，不转交客户经理——搭出这套评测体系的人，就是跑你这一次的人。这是一个真实的产能上限，我们宁可说清楚，也不想让你排在别的项目后面。
一个人负责到底
看数据、定评测、读结果是同一个人。不会有任何东西需要向一个当时不在场的交付团队重新解释一遍。
基线你自己能核
训练开始之前，实测基线和评测集就交给你——这样事后的结论不是我们说了算。
交付的不只是权重
还包括血缘、发布门禁配置、回滚路径，以及这次运行的完整审计记录。
交接，而不是依赖
给文档和一次完整讲解，让你的团队自己能重训、能复评。由我们继续运维是另一份约定，事先谈清楚。
我们没有在说什么
- 同期 2 个是真实的上限，不是饥饿营销。如果都占满了，我们会告诉你大概什么时候能排上，而不是先收一笔定金。
- 上面那次运行用的是我们自己的模型，不是客户的。我们目前没有客户训练案例可展示，也不会做任何暗示。
- 如果评估的结论是提示词或检索才是对的答案，你得到的就是这个答案——哪怕那是一单更小的生意。
告诉我们，模型必须把什么做对。
把任务带来；如果有的话，也把你今天用来判断输出好坏的东西带来。这才是让评估值得做的前提。
你的 AI 不应该停在演示阶段。
用 Core 路由智能，用 TheOne 治理，用 OneMission 持久化工作，用 OneClaw 执行，再把验证结果保存到 OneField。