Interactive Training 2：让在线训练可被实时控制与审计

导语

模型训练早已不缺“看板”：损失曲线、评估指标、资源使用情况都可以被实验追踪工具实时展示。但当研究者发现训练方向不理想，想要在不中断任务的情况下调整学习率、优化参数或执行某些操作时，往往仍要回到具体 trainer 的代码里修改逻辑。来自 University of Waterloo 的 Interactive Training 2，瞄准的正是这个断点：让在线训练不仅可观察，也可被统一、安全、可审计地控制。

核心要点

• 统一控制平面：Interactive Training 2 是一个开源控制平面，面向正在运行的训练任务提供共享协议，而不是为每个训练框架单独写一套临时代码。
• 训练程序主动声明能力：训练应用需要声明自己愿意暴露哪些设置和动作，例如可调整的优化相关参数，或训练过程中可触发的操作。
• 人类与自动化控制器共用接口：研究者、运维人员或自动化 agent 都通过同一接口提交请求，避免人工干预和自动化策略各走一套通道。
• 在安全控制点生效：请求不会被任意插入训练循环，而是由训练过程在合适位置验证并应用，降低破坏运行状态的风险。
• 审计记录成为一等公民：系统基于定制化 Aim workspace，将实时指标、控制组件，以及按时间排列的请求与结果记录整合到一起，便于复盘每一次干预。

意义与影响

这项工作的重点并不是提出新的模型结构，也不是宣称某个训练任务获得了更高分数，而是补上训练基础设施中的一块缺口。随着训练过程越来越复杂，尤其是人类反馈、强化学习工作流和 agent 辅助实验逐渐增多，训练不再只是一次性启动脚本，而更像一个需要持续观察、决策和修正的过程。

Interactive Training 2 的价值在于把“干预训练”这件事标准化。过去，修改一个 live run 可能意味着写 callback、改 trainer、重启任务或依赖项目内部约定；现在，训练程序可以明确告诉外部：哪些旋钮可以动、什么时候可以动、请求是否成功、结果如何。这种设计对团队协作和自动化实验都很重要，因为它让干预行为不再散落在日志、聊天记录或脚本补丁里，而是进入可查询、可审计的时间线。

论文还在 NLP 和强化学习相关的五类工作流中展示了系统用法，并发布代码与 traces，说明作者希望它成为可复用的研究工具。对开发者而言，它更像是“实验追踪工具的下一层”：不仅记录模型训练发生了什么，也记录谁或哪个控制器在何时改变了训练方向。若未来 agent-guided training 继续发展，这类可控、可追责的训练控制平面可能会成为重要基础设施。

来源：Hugging Face Daily Papers