训练任务生命周期
训练任务的status 字段会经过多个状态。主路径如下：
1
requested
您的任务已被接受并排队执行。Pioneer 正在分配算力。
2
running
训练正在提供商侧执行。
3
complete
GPU 训练已成功结束。任务记录上可获取损失指标（参见轮询状态与读取指标），检查点可供下载或部署。
4
normalizing / artifact_ready
训练后的中间步骤：Pioneer 正在对训练产物进行标准化和打包。您通常只会在
complete 与 deployed 之间短暂看到这些状态。5
deployed
训练完成的适配器已在推理提供商上线，可通过
model_id 提供服务。errored（训练过程中发生错误）、stopped（您通过 POST /felix/training-jobs/:id/stop 优雅地终止了任务，检查点保留）、terminated（您调用了 POST /felix/training-jobs/:id/terminate，它会停止任务并永久删除其检查点，不可逆），或 paused。
关键参数
base_model 是必填的，且必须匹配模型 ID 或 UUID 形式，不能是自由形式的字符串。省略或发送格式错误的值会返回 422。若值格式正确但不匹配任何可训练模型，则返回 400。启动训练任务
id 和初始状态：
id，之后您将使用它来轮询状态、获取指标以及针对训练完成的模型运行推理。
轮询状态与读取指标
轮询任务端点，直到status 达到终态：complete、deployed、errored、stopped 或 terminated：
metrics 字段就始终包含损失值；若已对训练所得模型运行了单独的评估，还会包含 F1/精确率/召回率/准确率：
{id, timestamp, level, message, source}）。这是一次即时抓取，并非实时流。在任务 running 时定期轮询即可跟踪进度。
停止或终止任务
要在保留检查点的前提下优雅地停止正在运行的任务：stopped。在停止之前保存的检查点仍可用于部署或下载。
若要永久终止任务并删除其检查点，请改用 /terminate：
检查点与下载权重
Pioneer 会在训练过程中保存检查点。任务开始后，您可以随时列出它们：is_best、is_final 和 is_deployable 标志。您可以将任意可部署的检查点（不仅限于最终检查点）部署到实时推理端点：
403）：
download_url 会在 1 小时后过期，请另行访问该 URL 以获取实际文件：
base_model 的取值，从而在该检查点之上继续训练。