A800，55小时，还要训27B模型，相当于没有试错机会搞一个skill，写一点文档，都比直接训模型靠谱如果楼主能够贴出一些计划用于训练的数据集，无论是由LLM生成还是手动标注，都会让计划更为可信
嗯~ o(*￣▽￣*)o，实际训练大概在75h左右（自己贴点），另外设置了多个checkpoints。
前 5 小时是链路门禁：环境、图片 forward、两步 LoRA、adapter 链、32 样本过拟合、200 step profile，全部通过才进入正式训练。
stage 1 只占 15 小时，本身就是第一个 checkpoint：loss 不降或 Schema 指标不升，20 小时处止损转文档/skill 路线。
即便吞吐只有 0.1 samples/s，stage 2 的 33 小时 × 0.9 可用时间 ≈ 10,700 条重建样本，足够验证"小样本监督能否改善多视图重建"这个可证伪的核心问题。
数据集预计从XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
正在编写转换统一脚本
另外在我的AI CAD项目本身的流程就是skill工程，但是效果不怎么样。
现在版本确保了严格的feature plan。
当然可能是我的提示词不够好或者模型不够强（gpt-5.6 terra）