保存与恢复

训练将日志和配置写入输出目录，最新 checkpoint 保存在 latest/，每次保存会覆盖它。要保留某一步，在保存结束后复制整个目录。冻结权重仍依赖原来的 model_path。

Bash

python -m valen.train --config finetune.json --resume output/domain/run/latest

--resume 继续原训练，恢复优化器、随机状态和数据游标，保持原进程数、数据与学习率。需要更换数据或训练阶段时，用 --initialize 开始新实验。

加载

Bash

python -m valen.inference --checkpoint output/domain/run/latest \
  --data test.jsonl --output predictions.jsonl

导出

训练 checkpoint 不是可独立部署的模型。Adapter 导出仍需匹配基座；完整导出将 adapter 合并入基座，全量 SFT 则导出全部训练权重。

使用现有导出工具，它要求已完成 epoch 的训练记录和经过验证的基座 manifest。短程 smoke 不满足完整发布条件。导出后先核对原生预测，再按 ONNX 或 GGUF 部署。