Aetherworld
/系统
Aether Training Factory Calculus v0.1
训练工厂计算法
模型训练工厂不只是页面，而是一种把语料种子编译成模型血统的计算法。 它由 15 步流程、四象补法、AetherSeed 血统线、递归自举、成本计算法、数据权重计算法与下一代计划构成。 Aetherworld 不会自动执行训练 / 上传数据 / 调用外部服务器。
1. 计算法总览
流程步骤
15
血统线
8
数据集草案
3
训练实验
4
评测计划
2
Provider 接入
2
成本样例
5
数据权重样例
7
训练工厂不只是页面，而是 Aetherworld 把语料种子编译成模型血统的 15 步计算法。当前血统线 8 级、数据集草案 3 套、训练实验 4 项、评测计划 2 套。
2. 流程图（15 步）
1.CorpusIngestion · 语料采集
从 Chat / Memory / Record / Workspace / Network / OpenArchitecture 汇聚语料原料。
输出：RawCorpus
2.SafetySanitization · 脱敏与安全过滤
走 Secret Guard / Safety Policy，剔除密钥 / Founder-only / Full60 原始数列。
输出：SanitizedCorpus
3.DataClassification · 数据归类
按 sourceType / 任务类型 / 抽象层级归类。
输出：ClassifiedCorpus
4.SampleGeneration · 样本生成
将分类语料编译为 instruction / chat / MSL / router 样本。
输出：TrainingSample[]
5.DatasetMixture · 数据混合
按 DatasetWeightCalculus 混合不同来源，输出 DatasetVersion。
输出：DatasetVersion
6.TrainingRecipeBuild · 训练配方生成
选择基座模型、训练方法（Pretrain/SFT/LoRA/QLoRA/DPO/Tokenizer）与超参草案。
输出：TrainingRecipe
7.ForgeAssignment · 炉火分配
按 TrainingCostCalculus 分配 LOCAL_PC / GPU_SERVER / HYBRID。
输出：ForgeLocation
8.TrainingExecutionPlan · 训练执行计划
生成可由用户手动启动的执行 Runbook，Aetherworld 不自动运行。
输出：TrainingExperimentPlan
9.EvalPlanBuild · 评测计划生成
生成针对样本能力 / MSL / 数列语言 / 结构化输出的 EvalSet 草案。
输出：EvalPlan
10.ModelRegistryUpdate · 模型登记
向 ModelRegistry 登记 ModelArtifact 与血统线归属。
输出：ModelArtifact
11.ProviderImportPlan · Provider 接入计划
生成 Ollama / OpenAI-Compat / WebLLM 接入步骤（仅手动执行）。
输出：ProviderImportPlan
12.RuntimeEvaluation · 运行时评测
通过现有 Provider 在 Aetherworld 内调用并打分，不参与训练循环。
输出：RuntimeEvalResult
13.RecordVerification · 记录与回验
训练 / 评测事件写入 Record Center 与 Verification Center。
输出：RecordEvent、VerificationDraft
14.DatasetReweighting · 数据重加权
根据评测与回验结果调整 datasetWeight，下一代复用。
输出：UpdatedDatasetWeight
15.NextGenerationPlan · 下一代模型计划
结合血统线 / 评测 / 成本，生成下一代 AetherSeed 的训练蓝图。
输出：NextGenerationPlan
3. 四象补法（Skeleton / Muscle / Blood / Nerve）
骨架（结构）
- · TrainingSample — 训练样本统一结构。
- · DatasetVersion — 可版本化的数据集快照。
- · TrainingRecipe — 配方：基座 + 方法 + 超参。
- · ModelBloodline — AetherSeed 血统线 10M → 7B。
- · EvalSet — 评测题库与指标。
- · ModelRegistry — 模型登记表。
- · TrainingStatus enum — DRAFT/READY/RUNNING/COMPLETED/FAILED/EVALUATED。
肌肉（执行算子）
- · DatasetBuilder — 从分类语料组装数据集。
- · RecipeBuilder — 选择训练方法与超参草案。
- · CostEstimator — 估算时间 / 注意力 / 风险成本。
- · TrainScriptGenerator — 为 Codex / Cursor 生成训练脚本草案。
- · EvalRunner Plan — 生成评测执行计划（不真正执行）。
- · ProviderImporter — Ollama / WebLLM 接入步骤生成。
- · RunbookBuilder — 手动执行 Runbook 草案。
血液（数据循环）
- · Corpus Flow — 原始语料汇聚到训练工厂。
- · Sample Flow — 语料 → 样本流转。
- · Dataset Flow — 样本 → 数据集版本。
- · Checkpoint Flow — 训练快照流转（占位，由用户手动管理）。
- · Eval Flow — 评测数据流转。
- · Feedback Flow — 回验 → 数据重加权。
- · Record Flow — 事件写入 Record Center。
- · Currency Flow — 训练 / 评测贡献写入数列货币（账本内部计量）。
神经（编排与反馈）
- · Scheduler — 训练工厂任务草案进入调度。
- · MSL — 训练状态机以 MSL 表达。
- · Record Center — 训练 / 评测事件持久化。
- · Analytics — 训练健康度与趋势统计。
- · Verification Center — 评测与回验闭环。
- · Bug Audit — 训练相关问题登记。
- · Notice — 训练状态变化通知。
- · Failure Recovery — 失败重训计划（草案）。
- · NextGenerationTrigger — 触发下一代 AetherSeed 训练计划。
4. AetherSeed 血统线
AetherSeed-10M · 本机→
AetherSeed-50M · 本机→
AetherSeed-100M · 本机→
AetherSeed-300M · 服务器→
AetherSeed-700M · 服务器→
AetherSeed-1.5B · 服务器→
AetherSeed-3B · 服务器→
AetherSeed-7B · 服务器
5. 递归自举（每代如何反哺训练工厂）
AetherSeed-50M
反哺能力：样本分类、MSL 模板生成
反哺目标：DataClassification、SampleGeneration
AetherSeed-100M
反哺能力：简单 Router 样本生成、Lovable Prompt 骨架生成
反哺目标：SampleGeneration、TrainingRecipeBuild
AetherSeed-300M
反哺能力：数据清洗建议、Agent 摘要、训练样本扩增
反哺目标：SafetySanitization、DatasetMixture、SampleGeneration
AetherSeed-700M
反哺能力：评测题生成、错误归因、下一代训练建议
反哺目标：EvalPlanBuild、DatasetReweighting、NextGenerationPlan
AetherSeed-1.5B
反哺能力：参与数据混合决策、生成训练计划草案、辅助 Product Self-Evolution
反哺目标：DatasetMixture、TrainingExecutionPlan、NextGenerationPlan
AetherSeed-3B
反哺能力：成为训练工厂内部主要模型之一
反哺目标：全部 15 步流程
6. 成本计算法（TrainingCostCalculus）
Cost = GPU/电费 + 注意力切换 + 数据污染风险 + 失败重训成本 − 自动化复用收益 − 血统积累收益 − 本机慢跑收益。
LF-TOK-01 · 推荐炉火：本机
金钱 ≈ ¥3 · 时间 6h · 注意力 2/10 · 风险 1/10 · 血统价值 9/10 · 复用价值 8/10 · 本机慢跑价值 7/10
· 本机慢跑：电费低、注意力切换小、可断点续训。
· 血统关键节点：建议预留二次重训预算。
LF-10M-01 · 推荐炉火：本机
金钱 ≈ ¥6 · 时间 12h · 注意力 2/10 · 风险 1/10 · 血统价值 9/10 · 复用价值 8/10 · 本机慢跑价值 7/10
· 本机慢跑：电费低、注意力切换小、可断点续训。
· 血统关键节点：建议预留二次重训预算。
LF-100M-01 · 推荐炉火：本机
金钱 ≈ ¥18 · 时间 36h · 注意力 2/10 · 风险 3/10 · 血统价值 5/10 · 复用价值 3/10 · 本机慢跑价值 7/10
· 本机慢跑：电费低、注意力切换小、可断点续训。
SF-300M-01 · 推荐炉火：服务器
金钱 ≈ ¥372 · 时间 24h · 注意力 5/10 · 风险 3/10 · 血统价值 9/10 · 复用价值 8/10 · 本机慢跑价值 2/10
· 服务器爆发：金钱成本高，但缩短关键路径。
· 血统关键节点：建议预留二次重训预算。
SF-1B5-01 · 推荐炉火：服务器
金钱 ≈ ¥1540 · 时间 80h · 注意力 5/10 · 风险 6/10 · 血统价值 9/10 · 复用价值 8/10 · 本机慢跑价值 2/10
· 服务器爆发：金钱成本高，但缩短关键路径。
· 血统关键节点：建议预留二次重训预算。
7. 数据权重计算法（DatasetWeightCalculus）
按 sourceType / importance / verifiedScore / reuseCount / modelImprovementEvidence / safetyStatus / freshness / uniqueness / alignment 计算 datasetWeight， 供后续 DatasetMixture 与 Reweighting。
| 来源 | importance | verified | reuse | improve | safety | fresh | unique | align | weight |
|---|---|---|---|---|---|---|---|---|---|
| CHAT_COMPRESSION | 9 | 7 | 12 | 8 | PASS | 9 | 8 | 9 | 0.848 |
| MSL | 8 | 8 | 6 | 7 | PASS | 8 | 9 | 10 | 0.84 |
| SEQUENCE_MEMORY | 9 | 7 | 8 | 7 | PASS | 8 | 8 | 9 | 0.822 |
| LOVABLE_PROMPT | 7 | 6 | 4 | 6 | WARN | 7 | 6 | 7 | 0.463 |
| NETWORK_CORPUS | 6 | 5 | 2 | 4 | WARN | 9 | 7 | 5 | 0.396 |
| BUG_AUDIT | 7 | 8 | 5 | 6 | PASS | 8 | 8 | 8 | 0.75 |
| OPEN_ARCHITECTURE | 5 | 4 | 1 | 3 | WARN | 7 | 6 | 5 | 0.331 |
8. 数据集 / 配方 / 实验 / 评测（草案）
数据集 DatasetVersion
Aether Core Mix v0 · v0.1
AetherSeed-10M / 50M 通用编译数据集草案。
来源：CHAT_COMPRESSION、MSL、SEQUENCE_MEMORY、LOVABLE_PROMPT、BUG_AUDIT · ≈ 4000 条
MSL Router Mix v0 · v0.1
为 Router / MSL 小模型准备。
来源：MSL、SCHEDULER_TASK、AGENT_RUN · ≈ 1200 条
World Language Mix v0 · v0.1
世界叙事 / 记录回放风格数据集。
来源：WORKSPACE_OBJECT、RECORD_EVENT、NETWORK_CORPUS · ≈ 3000 条
训练配方 TrainingRecipe
AetherSeed Tokenizer v0
方法 TOKENIZER · 基座 — · 本机 · ≈ 6 小时
AetherSeed-10M Pretrain
方法 PRETRAIN · 基座 tiny-decoder-10M · 本机 · ≈ 12 小时
AetherSeed-100M SFT
方法 SFT · 基座 AetherSeed-100M-base · 本机 · ≈ 36 小时
AetherSeed-300M Pretrain (Server)
方法 PRETRAIN · 基座 decoder-300M · 服务器 · ≈ 24 小时
QLoRA · Aether 微调
方法 QLORA · 基座 Qwen / Llama 基座（用户手动选择） · 本机 · ≈ 4-10 小时
训练实验 ExperimentPlan
本机 · 训练 AetherSeed Tokenizer v0
目标：为后续 10M / 50M 模型提供统一分词器。 · 状态 DRAFT · 下一步：用户在本机夜间手动启动。
本机 · 跑通 AetherSeed-10M 全管线
目标：验证训练管线、checkpoint、评测完整闭环。 · 状态 DRAFT · 下一步：Tokenizer 通过后立即排队。
本机 · AetherSeed-100M SFT 试跑
目标：测试结构化输出与 MSL 命中。 · 状态 DRAFT · 下一步：在 10M 管线稳定后再排。
服务器 · AetherSeed-300M 预训练
目标：形成首个弱通用基座。 · 状态 DRAFT · 下一步：完成 SERVER_PREP_CHECKLIST 后由用户手动启动。
评测计划 EvalPlan
AetherSeed Core Eval v0
指标：结构化格式还原、MSL opcode 命中、数列保留率、Aetherworld 对话覆盖
通过标准：JSON 合法率 ≥ 90% · MSL opcode 命中 ≥ 70% · 数列保留率 ≥ 60%
Router Eval
指标：意图路由准确率
通过标准：准确率 ≥ 85%
9. Provider 接入计划（仅手动执行）
AetherSeed-10M → OLLAMA
- 导出 GGUF 权重（用户在本机手动执行）
- 编写 Modelfile（参数 + 提示模板）
- ollama create aetherseed-10m -f Modelfile
- 在 Aetherworld /llm-providers 选择 Ollama 并选择模型
AetherSeed-50M → WEBLLM
- 导出为 WebLLM 兼容格式（用户手动执行）
- 在 /real-webllm 配置模型清单
- Aetherworld 内手动加载并对照评测
10. 下一代模型计划（NextGenerationPlan）
BL-10M → BL-50M
依据：管线通过后扩展规模，验证 MSL / 数列语言覆盖。
依赖：Tokenizer 通过、EVAL-CORE-V0 基线达标 · 预计：约 1-2 周（本机夜间）
BL-100M → BL-300M
依据：进入服务器爆发段，形成弱通用基座。
依赖：SERVER_PREP_CHECKLIST、DSV-AETHER-CORE-V0 重加权 · 预计：约 1-2 周（服务器）
BL-700M → BL-1B5
依据：评测题与错误归因可由 700M 自动生成，进入主力工作模型。
依赖：EVAL-CORE-V0 全面通过、DatasetReweighting 自动化草案 · 预计：约 1 月（服务器）
11. 安全边界
允许
- 在 Aetherworld 内生成训练工厂计算法的流程图 / 四象 / 血统 / 成本 / 权重 / 下一代计划
- 用 Lovable / Cursor / Codex 生成训练脚本草案与 Runbook
- 由用户在本机或服务器手动执行训练
- 把训练 / 评测事件登记到 Record Center 与 Verification Center
- 把训练 / 评测贡献写入数列货币内部账本
禁止
- Aetherworld 内自动执行训练循环
- 自动上传训练数据到外部服务
- 自动调用外部 GPU 服务器
- 假装模型已经训练完成
- 导出 secret / Founder-only / Full60 原始数列
- 把 Aetherworld 内部价值计量与法币 / 证券 / 代币挂钩
- 在未确认 license 的情况下纳入外部代码与数据
首页输入会创建一个新对话会话 · Enter 发送 · Shift+Enter 换行