通过 PIN API 创建训练任务

通过 POST /v1/jobs 向 Aria PIN 提交新的训练任务。支持 SFT、OPD、pretrain、distill、QAT、GRPO、DPO、KTO、ORPO、SimPO 与 PPO，并配置 LoRA。

通过 Aria PIN API 创建训练任务，需指定任务类型、基座模型、数据集、LoRA 配置与超参数。该接口立即返回已排队的任务标识符。

接口

POST /v1/jobs

每次请求都需携带 Authorization: Bearer <api_key> 头。

请求体

type · string · required

训练类型：sft、opd、pretrain、distill、qat、grpo、dpo、kto、orpo、simpo 或 ppo。

base_model · string · required

可训练基座的 Hugging Face 模型标识符或本地路径。

teacher_model · string

冻结的教师模型标识符。当 type 为 opd 或 distill 时必填，其他情况忽略。

lora · object · required

LoRA 配置对象。

Show 属性

method · string · required

lora、qlora 或 none。

rank · integer · required

LoRA 秩（例如 16）。

alpha · integer · required

LoRA alpha（例如 32）。

lora_dropout · number

Dropout 比率。

target_modules · string[]

目标模块名称（例如 ["q_proj", "v_proj"]）。

quantization · string

当 method=qlora 时的量化方法，例如 4bit_nf4。

dataset_id · string · required

在 PIN 中注册的数据集标识符。

hyperparams · object · required

训练超参数。常见字段包括 epochs、lr。类型相关字段包括 distill_alpha、temperature、fp8_recipe、max_tokens、qat_group_size、group_size 与 beta。

auto_intervention · object

可选的自动干预配置，包含规则、冷却时间与启用开关。

响应

job_id · string

所创建任务的唯一标识符。

status · string

初始状态，通常为 queued。

示例

curl -X POST http://host:8001/v1/jobs \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "type": "opd",
    "base_model": "thinkingmachines/Inkling",
    "teacher_model": "Qwen/Qwen2.5-1.5B-Instruct",
    "lora": {"method": "lora", "rank": 16, "alpha": 32},
    "dataset_id": "ds_xxx",
    "hyperparams": {"epochs": 1, "lr": 5e-5, "distill_alpha": 0.7, "temperature": 3.0}
  }'

Response

{
  "code": 0,
  "data": {
    "job_id": "job_abc123",
    "status": "queued"
  },
  "message": ""
}