大家好，我回来了。
为什么突发奇想来训练模型了？
其实之前一直在尝试去vibe coding一些应用和网页，但vibe多了总感觉没什么意思。像是app这类东西，复杂的vibe不出来，简单的其实就是重复造轮子（可能轮子还不如别人的好）。
那么有没有什么既简单，又有意思的，甚至还能给自己积累一些经验的东西呢？
有的兄弟有的，可以尝试和coding agent在电脑上练小型ai模型
为什么这件事情之前很难做？
对于非专业人士，环境安装不说，一大堆魔法数字和调参就已经足够劝退了。训练的时候看着一堆曲线，什么v-loss p-loss reward entropy，其实很难琢磨透。但是如今的coding agent已经可以胜任这些任务。
本着体验的心态，我打算去尝试一下。使用opencode + dpsk v4pro
我是如何与deepseek合作的？
deepseek新增更好的训练模式
讨论合理的架构、参数量和魔法数字
和deepseek老师对话，它帮你看训练情况
……
……
最终，经过一晚上的vibe，烧了几块钱的token（opencode go里面的）以后，我获得了这个东西：
这个前端界面里面，可以查看训练曲线和训练状态，然后选择模型以后和ai对战。
（黑的是ai，还有点强）
当然这也是有几个后端的。
首先有一个网页服务器。因为需要实时更新信息，还要和ai博弈。
其次需要一个训练的控制台，我直接选terminal了。
那么它有什么问题吗？
有的。前面尝试的 RL + mlp 发现总是崩掉。不是熵崩就是loss崩。然后我们加入了一个老师模型，去指导它做最关键的几步，训练了一晚上仍然不理想，只有中间几个ckpt效果比较好。
所以和deepseek讨论以后，我现在正在训练新的 cnn 网络，打算不加teacher，纯 RL ，cnn天生适合这些棋盘，我认为应该会有一些好的效果。（仍然在训练）
当然这远非一个专业的实践，更像是普通人的一个玩具。
但在自己的电脑上练一个ai，也挺有意思的吧
赛博偶遇了 