Customize
Customize
本区段是一份"MinT 训练任务里能配置的全部内容"的参考。它按 算法（SFT / DPO / RL / VLA）组织，加上贯穿多个算法的 概念 和 recipe。每个叶子页声明 3 种固定模板之一，所以右侧 TOC 在整个区段里读起来一致。
从哪开始
SFT 概览
用 cross_entropy loss 做监督微调。
DPO 概览
通过 forward_backward_custom 做偏好优化。
RL 概览
GRPO，带 verifier / preference / 环境反馈。
VLA
OpenPI vision-language-action，经 SDK 或 HTTP。
全部参数（按算法）
每个算法的完整参数表在它自己页面的 ## All Parameters 段。直达链接：
| 算法 | 参数页 |
|---|---|
| SFT | sft/index#all-parameters |
| SFT 超参数 recipe | sft/hyperparameters |
| DPO | dpo/index#all-parameters |
| RL — Math | rl/math-rl#all-parameters |
| RL — Chat | rl/chat-rl#all-parameters |
| RL — Code | rl/code-rl#all-parameters |
| RL 超参数 recipe | rl/hyperparameters |
| VLA | vla#all-parameters |
概念索引
跨多个算法都会出现的基础话题：
| 话题 | 页面 |
|---|---|
| 渲染 / 分词 | Rendering |
| 损失函数目录 | Loss Functions |
| Completers（TokenCompleter、MessageCompleter、LLM-as-judge） | Completers |
| 权重 / checkpoints / TTL | Weights |
| Evaluations（自定义、NLL、Inspect AI） | Evaluations |
异步模式 / num_samples | Async Patterns |
Recipe 索引
把多个原语组合起来的端到端 recipe，以及部署路径：
| Recipe | 页面 |
|---|---|
| RLHF 三阶段流水线 | RLHF Pipeline |
| 多轮 RL | Multi-turn |
| 多智能体 RL | Multi-agent |
| Prompt 蒸馏 | Distillation |
| 自定义环境 | Custom Environment |
| 导出到 HF | Export to HF |
| LoRA Adapter | LoRA Adapter |
| 发布到 Hub | Publish to Hub |
Tinker 兼容。 MinT 客户端 SDK 与 Tinker API 兼容（pip install 来自 mindlab-toolkit）。Tinker 上能跑的代码模式 MinT 也能跑 —— 把 endpoint 换成 mint.macaron.xin 或 mint-cn.macaron.xin，把 key 换成 MINT_API_KEY 即可。完整迁移见 Human Quickstart → 从 Tinker 迁移。