训练数据生成方法
任务决定训练什么能力，策略决定怎样生成候选，配比决定哪些合格候选进入训练包。 原有配方仍默认使用 direct；新增方法需要在本机配方中启用。
CPT 文档变换
在 config/flywheel.local.json 的 methods 中加入所需方法：
| 方法 | 产物 |
|---|---|
distill | 保留限定条件的信息密集段落 |
textbook | 对来源明确解释的概念、规则进行教材化组织 |
knowledge_list | 保留主体、指标、数值、单位和期间的事实条目 |
diverse_qa | 由当前文档支持的多角度阅读理解问答文本 |
这些方法共用 .env 中的 FIN_DOC_PRETRAIN_SYNTHESIZE_API_URL、_API_KEY、_MODEL； 独立审核继续使用 FIN_DOC_PRETRAIN_REVIEW_*。模型端点仍是 OpenAI-compatible base URL。 原有 translate、rewrite 保持各自角色。新方法与原文分别保存候选，不能从模型常识补充定义、事实或因果。
方法参考 Nemotron-CC 官方任务， 以 FinFlow 的证据、审核和血缘接口重新实现，未引入 NeMo 运行时。 CPT 问答仍是普通文本，不自动成为通过 SFT 审核的 messages 样本。
多步骤文本 SFT
cp config/sft-methods.json config/sft-methods.local.json
python -m training.sft_cli --config config/sft-methods.local.json \
--flywheel-config config/flywheel.local.json preflight
python -m training.sft_cli --config config/sft-methods.local.json \
--flywheel-config config/flywheel.local.json \
build --dataset-id sft-methods-001 --release YOUR_RELEASE_ID
tasks 与 strategies 分开配置。非 direct 策略当前只用于 document_qa； 抽取、程序计算和表格转录使用各自的 direct 契约。配置缺少兼容策略时预检失败。
| 策略 | 实际执行步骤 | 适配边界 |
|---|---|---|
direct | 生成候选 → 确定性检查 → 独立审核 | 原有基线 |
self_instruct | 种子扩展 → 指令筛查 → 单独生成答案 → 审核 | 固定种子、单次证据内扩展；不自动维护跨文档自举池 |
answer_first | 选择精确原文答案 → 反推问题 → 筛查 → 原文答案审核 | API 适配；没有训练反向模型或执行 Humpback 迭代微调 |
evol_instruct | 基础题 → 多轮增加约束/限定范围/比较 → 信息增量与可回答性筛查 → 答案与审核 | 限于当前证据，不做开放主题扩张 |
codeclm | 用途/技能/量表编码 → 指令解码 → 按量表改进 → 答案与审核 | 可选再启用目标模型对比；没有执行目标模型微调 |
来源：Self-Instruct、 Evol-Instruct、 Instruction Backtranslation、 CodecLM。
参数与模型
seed_instructions：可选的 1–100 条金融任务种子；默认内置五类任务形态。不要使用验证集答案作为种子。strategy_seed：选择种子、演化操作的随机种子，默认 42。evolution_rounds：演化轮数 1–5，默认 2。contrastive_filter：默认 false；设 true 时必须启用codeclm并配置FIN_DOC_SFT_TARGET_*。contrastive_min_gap：教师与目标回答的量表评分差阈值，整数 1–5，默认 1。
生成使用 FIN_DOC_SFT_GENERATE_*，指令筛查及最终审核使用 FIN_DOC_SFT_REVIEW_*。 启用 CodecLM 对比后，目标模型仅接收原始证据和问题；审核模型按量表比较两份回答， 评分差用于筛选候选，教师回答继续进入最终事实审核。
每个策略任务保存中间响应、角色、stage 工件、最终样本和审核；样本包含 strategy、strategy_stages。 配方哈希包含种子/策略配置和模型身份；引擎升级为 sft-v3，导出数据契约仍为 SFT v2。 原有数据包保持不可变。多步骤任务需要更多模型请求，达到上限时换新的 dataset ID 续作， 相同配方的响应缓存可复用；累计恢复快照不要直接拼接。 随机种子固定流程选择，响应缓存保存模型输出供重放。
多模态任务扩展
复制 config/sft-vision-methods.json 为本机配方，可启用：
visual_description：描述可见结构、标签、单位和趋势，不估计模糊图表的精确数值。visual_conversation：同一张图的 2–max_conversation_turns轮问答，默认最多 4 轮，范围 2–8。
继续使用 FIN_DOC_SFT_VISION_GENERATE_* 和 FIN_DOC_SFT_VISION_REVIEW_*。 审核逐轮对照原图，检查矛盾和图外推断；图片只放在首个 user 消息，后续轮次共享该图。 每轮有长度限制，总回答长度也受 max_answer_chars 限制。 原有视觉问答和表格转 JSON 可同时启用。类别设计参考 LLaVA 官方数据说明， 使用真实图片 API 的实现属于流程适配。
选择与发布
生成结果经过审核、去重后，通过数据配比选择训练样本。DoReMi / RegMix使用本地代理训练学习配比。方法来源记录在 training/method_cards.py，SFT 和实验 manifest 保存对应方法卡。