2026-07-10 16:45:06 +08:00
/ * *
* 全 量 Mock 数 据
* 为 前 端 开 发 提 供 不 依 赖 后 端 的 模 拟 数 据
* /
import type {
FineTuneTask ,
ModelItem ,
TrainedModel ,
DatasetItem ,
CompareTask ,
EvalTask ,
Dimension ,
SystemInfo ,
HealthMetrics ,
LogFile ,
TrainingLogFile ,
LogContent ,
} from '@/types'
// ============ 认证 ============
export const mockLoginOk = { code : 0 , message : 'ok' , data : { token : 'mock-token' } }
// ============ 系统监控 ============
export const mockHealth : HealthMetrics = {
cpu_percent : 32 ,
memory_percent : 58 ,
disk_percent : 45 ,
}
export const mockSystemInfo : SystemInfo = {
cpu : {
percent : 32 ,
cores : 8 ,
percents : [ 25 , 38 , 42 , 30 , 28 , 36 , 40 , 18 ] ,
} ,
memory : {
used_gb : 9.2 ,
total_gb : 16 ,
percent : 58 ,
available_gb : 6.8 ,
cached_gb : 2.3 ,
} ,
disk : {
used_gb : 230 ,
total_gb : 512 ,
percent : 45 ,
} ,
gpu : [
{ name : 'NVIDIA A800' , gpu_percent : 0 , memory_used_gb : 0.0 , memory_total_gb : 80 , temperature : 32 , power_w : 38 , fan_speed : 0 , clock_mhz : 1410 , driver_version : '535.86.10' } ,
{ name : 'NVIDIA A800' , gpu_percent : 28 , memory_used_gb : 22.5 , memory_total_gb : 80 , temperature : 52 , power_w : 165 , fan_speed : 32 , clock_mhz : 1410 , driver_version : '535.86.10' } ,
{ name : 'NVIDIA A800' , gpu_percent : 73 , memory_used_gb : 58.7 , memory_total_gb : 80 , temperature : 68 , power_w : 320 , fan_speed : 58 , clock_mhz : 1410 , driver_version : '535.86.10' } ,
{ name : 'NVIDIA A800' , gpu_percent : 0 , memory_used_gb : 0.0 , memory_total_gb : 80 , temperature : 34 , power_w : 42 , fan_speed : 0 , clock_mhz : 1410 , driver_version : '535.86.10' } ,
{ name : 'NVIDIA A800' , gpu_percent : 46 , memory_used_gb : 36.8 , memory_total_gb : 80 , temperature : 60 , power_w : 210 , fan_speed : 42 , clock_mhz : 1410 , driver_version : '535.86.10' } ,
{ name : 'NVIDIA A800' , gpu_percent : 0 , memory_used_gb : 0.0 , memory_total_gb : 80 , temperature : 33 , power_w : 40 , fan_speed : 0 , clock_mhz : 1410 , driver_version : '535.86.10' } ,
{ name : 'NVIDIA A800' , gpu_percent : 85 , memory_used_gb : 68.2 , memory_total_gb : 80 , temperature : 73 , power_w : 365 , fan_speed : 62 , clock_mhz : 1410 , driver_version : '535.86.10' } ,
{ name : 'NVIDIA A800' , gpu_percent : 15 , memory_used_gb : 12.0 , memory_total_gb : 80 , temperature : 45 , power_w : 95 , fan_speed : 22 , clock_mhz : 1410 , driver_version : '535.86.10' } ,
] ,
network : {
download_mb : 1024 ,
upload_mb : 256 ,
} ,
system : {
uptime_seconds : 86400 * 3 + 3600 * 7 + 1800 ,
process_count : 256 ,
os : 'Ubuntu 22.04 LTS' ,
} ,
}
// ============ 模型管理 ============
export const mockModels : ModelItem [ ] = [
{ id : 1 , name : 'Qwen2.5-7B-Instruct' , type : 'LLM' , purpose : 'training' , model_source : 'local' , description : 'Qwen2.5 7B 指令微调基座' , path : '/data/models/qwen2.5-7b' , create_time : '2025-12-10T08:30:00Z' } ,
{ id : 2 , name : 'Qwen2.5-14B-Instruct' , type : 'LLM' , purpose : 'training' , model_source : 'local' , description : 'Qwen2.5 14B 指令微调基座' , path : '/data/models/qwen2.5-14b' , create_time : '2025-12-12T10:15:00Z' } ,
{ id : 3 , name : 'Llama3-8B-Instruct' , type : 'LLM' , purpose : 'inference' , model_source : 'local' , description : 'Llama3 8B 推理模型' , path : '/data/models/llama3-8b' , create_time : '2025-12-15T14:20:00Z' } ,
{ id : 4 , name : 'DeepSeek-V2-Lite' , type : 'LLM' , purpose : 'inference' , model_source : 'local' , description : 'DeepSeek V2 Lite' , path : '/data/models/deepseek-v2-lite' , create_time : '2026-01-05T09:00:00Z' } ,
{ id : 5 , name : 'GPT-4o' , type : 'LLM' , purpose : 'evaluation' , model_source : 'api' , description : 'OpenAI GPT-4o 在线模型' , api_url : 'https://api.openai.com/v1' , api_key : 'sk-***' , online_model_name : 'gpt-4o' , create_time : '2026-01-08T11:30:00Z' } ,
{ id : 6 , name : 'Claude-3.5-Sonnet' , type : 'LLM' , purpose : 'evaluation' , model_source : 'api' , description : 'Anthropic Claude 3.5 Sonnet' , api_url : 'https://api.anthropic.com' , api_key : 'sk-***' , online_model_name : 'claude-3-5-sonnet-20241022' , create_time : '2026-01-10T16:45:00Z' } ,
{ id : 7 , name : 'BGE-large-zh' , type : 'Embedding' , purpose : 'inference' , model_source : 'local' , description : '中文 embedding 模型' , path : '/data/models/bge-large-zh' , create_time : '2026-01-12T13:00:00Z' } ,
]
export const mockTrainedModels : { models : TrainedModel [ ] } = {
models : [
{ id : 1 , name : 'qwen-ft-finance-001' , train_methods : [ { name : 'lora' } ] , base_model_path : '/data/models/qwen2.5-7b' , merged : true , merging : false , merged_path : '/data/saves/qwen-ft-finance-001-merged' , create_time : '2026-01-15T10:30:00Z' } ,
{ id : 2 , name : 'qwen-ft-legal-002' , train_methods : [ { name : 'lora' } ] , base_model_path : '/data/models/qwen2.5-7b' , merged : false , merging : true , create_time : '2026-01-18T14:20:00Z' } ,
{ id : 3 , name : 'llama3-ft-customer-service' , train_methods : [ { name : 'qlora' } ] , base_model_path : '/data/models/llama3-8b' , merged : true , merging : false , merged_path : '/data/saves/llama3-ft-customer-service-merged' , create_time : '2026-01-22T09:45:00Z' } ,
{ id : 4 , name : 'qwen-ft-medical-003' , train_methods : [ { name : 'lora' } ] , base_model_path : '/data/models/qwen2.5-14b' , merged : false , merging : false , create_time : '2026-02-01T16:10:00Z' } ,
] ,
}
export const mockLocalModels = {
models : [
{ path : '/data/models/qwen2.5-7b' , name : 'Qwen2.5-7B-Instruct' } ,
{ path : '/data/models/qwen2.5-14b' , name : 'Qwen2.5-14B-Instruct' } ,
{ path : '/data/models/llama3-8b' , name : 'Llama3-8B-Instruct' } ,
{ path : '/data/models/deepseek-v2-lite' , name : 'DeepSeek-V2-Lite' } ,
{ path : '/data/models/bge-large-zh' , name : 'BGE-large-zh' } ,
] ,
}
// ============ 数据集 ============
export const mockDatasets : DatasetItem [ ] = [
2026-07-11 10:39:26 +08:00
{
id : 1 ,
name : '金融问答-训练集' ,
type : 'train' ,
storage_type : 'local' ,
source : 'upload' ,
size : '128 MB' ,
count : 8560 ,
description : '面向金融领域问答场景的高质量指令微调数据集' ,
create_time : '2025-12-20T08:00:00Z' ,
files : [
{ id : 'finance-train-jsonl' , name : 'finance_train.jsonl' , size : '86.4 MB' } ,
{ id : 'finance-validation-jsonl' , name : 'finance_validation.jsonl' , size : '21.8 MB' } ,
{ id : 'dataset-readme' , name : 'README.md' , size : '4.2 KB' } ,
] ,
} ,
2026-07-10 17:13:23 +08:00
{ id : 2 , name : '法律文书-训练集' , type : 'train' , storage_type : 'local' , source : 'upload' , size : '256 MB' , count : 15230 , description : '法律文书数据集' , create_time : '2025-12-25T10:30:00Z' } ,
{ id : 3 , name : '客服对话-训练集' , type : 'train' , storage_type : 'minio' , source : 'upload' , size : '512 MB' , count : 24500 , description : '客服对话记录' , create_time : '2026-01-05T14:20:00Z' } ,
{ id : 4 , name : '金融评测集' , type : 'eval' , storage_type : 'local' , source : 'upload' , size : '32 MB' , count : 1200 , description : '金融领域评测' , create_time : '2026-01-10T09:15:00Z' } ,
{ id : 5 , name : '通用能力评测' , type : 'eval' , storage_type : 'local' , source : 'upload' , size : '64 MB' , count : 3500 , description : '通用能力评测数据集' , create_time : '2026-01-12T11:30:00Z' } ,
{ id : 6 , name : '医疗问答-训练集' , type : 'train' , storage_type : 'local' , source : 'upload' , size : '180 MB' , count : 9800 , description : '医疗问答对' , create_time : '2026-02-01T15:00:00Z' } ,
{ id : 7 , name : '客服对话清洗集' , type : 'train' , storage_type : 'minio' , source : 'task' , size : '96 MB' , count : 18240 , description : '由客服问答数据清洗任务生成' , create_time : '2026-07-08T06:28:00Z' } ,
{ id : 8 , name : '通用指令构造集' , type : 'train' , storage_type : 'local' , source : 'task' , size : '148 MB' , count : 12600 , description : '由指令微调数据构造任务生成' , create_time : '2026-07-09T01:42:00Z' } ,
{ id : 9 , name : '用户反馈脱敏集' , type : 'test' , storage_type : 'minio' , source : 'task' , size : '72 MB' , count : 9340 , description : '由敏感信息脱敏任务生成' , create_time : '2026-07-09T09:18:00Z' } ,
{ id : 10 , name : '多轮对话增强集' , type : 'eval' , storage_type : 'local' , source : 'task' , size : '41 MB' , count : 2780 , description : '由多轮对话拼接任务生成' , create_time : '2026-07-10T02:06:00Z' } ,
2026-07-11 10:39:26 +08:00
] . map ( ( dataset ) = > ( {
. . . dataset ,
files : dataset.files?.length
? dataset . files
: [
{ id : ` dataset- ${ dataset . id } -samples ` , name : 'dataset_samples.jsonl' , size : dataset.size || '12.8 MB' } ,
{ id : ` dataset- ${ dataset . id } -readme ` , name : 'README.md' , size : '3.8 KB' } ,
] ,
} ) )
export const mockDatasetPreviews : Record < string , string > = {
'finance-train-jsonl' : [
'{"instruction":"什么是净资产收益率？","input":"","output":"净资产收益率（ ） ,
'{"instruction":"解释市盈率的含义","input":"某公司股价为 36 元，每股收益为 3 元。","output":"市盈率为股价除以每股收益，本例中市盈率为 12 倍。"}' ,
'{"instruction":"央行降准通常会带来什么影响？","input":"","output":"降准通常会释放银行体系流动性，降低资金成本，并增强信贷投放能力。"}' ,
'{"instruction":"如何理解债券久期？","input":"","output":"久期衡量债券价格对利率变化的敏感程度，久期越长，价格波动通常越大。"}' ,
'{"instruction":"基金定投适合怎样的投资者？","input":"","output":"基金定投适合希望分散择时风险、进行中长期纪律性投资的投资者。"}' ,
'{"instruction":"资产负债率过高意味着什么？","input":"","output":"可能意味着企业偿债压力较大、财务风险较高，但仍需结合行业特点判断。"}' ,
'{"instruction":"通货膨胀如何影响实际收益率？","input":"","output":"实际收益率约等于名义收益率减去通货膨胀率。"}' ,
'{"instruction":"什么是流动比率？","input":"","output":"流动比率等于流动资产除以流动负债，用于衡量短期偿债能力。"}' ,
'{"instruction":"股票分红是否等于投资者获得额外收益？","input":"","output":"不完全等同，除息后股价通常会相应调整，应结合总回报判断。"}' ,
'{"instruction":"如何区分系统性风险与非系统性风险？","input":"","output":"系统性风险影响整个市场，非系统性风险主要与单个公司或行业有关。"}' ,
'{"instruction":"什么是复利？","input":"","output":"复利是将本金和此前产生的收益一并计入下一期收益计算。"}' ,
'{"instruction":"现金流量表主要反映什么？","input":"","output":"现金流量表反映企业经营、投资和筹资活动产生的现金流入与流出。"}' ,
] . join ( '\n' ) ,
'finance-validation-jsonl' : [
'{"instruction":"计算简单收益率","input":"买入价 100 元，卖出价 108 元，不考虑费用。","output":"简单收益率为 8%。"}' ,
'{"instruction":"什么是信用利差？","input":"","output":"信用利差是信用债收益率相对无风险基准收益率的差额。"}' ,
'{"instruction":"解释最大回撤","input":"","output":"最大回撤描述资产净值从历史高点到随后低点的最大跌幅。"}' ,
'{"instruction":"什么是风险溢价？","input":"","output":"风险溢价是投资者因承担额外风险而要求的超额预期收益。"}' ,
] . join ( '\n' ) ,
'dataset-readme' : [
'# 金融问答训练集' ,
'' ,
'本数据集用于金融领域指令微调与基础能力评测。' ,
'' ,
'## 文件说明' ,
'' ,
'- `finance_train.jsonl`：训练样本' ,
'- `finance_validation.jsonl`：验证样本' ,
'' ,
'文本编码： ,
] . join ( '\n' ) ,
'mock-jsonl' : [
'{"instruction":"请概括以下文本的核心观点","input":"人工智能正在提升企业的数据处理效率。","output":"人工智能能够帮助企业提升数据处理效率。"}' ,
'{"instruction":"将用户问题改写为更清晰的表达","input":"这个功能咋用？","output":"请说明该功能的具体使用步骤。"}' ,
'{"instruction":"判断文本情感倾向","input":"这次服务响应很及时，问题也解决了。","output":"正向"}' ,
'{"instruction":"提取文本中的关键实体","input":"远光软件于周一发布了新的模型管理平台。","output":["远光软件","周一","模型管理平台"]}' ,
'{"instruction":"生成简短回复","input":"您好，我想了解数据集上传支持哪些格式？","output":"您好，目前支持 JSON、JSONL、CSV、TXT 等常见格式。"}' ,
'{"instruction":"对以下内容进行分类","input":"如何重置账户密码？","output":"账户与安全"}' ,
'{"instruction":"找出句子中的时间信息","input":"系统将在 7 月 15 日凌晨 2 点进行升级。","output":"7 月 15 日凌晨 2 点"}' ,
'{"instruction":"补全客服回复","input":"用户反馈页面加载缓慢。","output":"已收到您的反馈，我们正在排查页面加载问题，请稍后重试。"}' ,
] . join ( '\n' ) ,
'mock-readme' : [
'# 数据集说明' ,
'' ,
'当前内容为前端 Mock 数据，用于预览页面布局与交互效果。' ,
'' ,
'## 文件结构' ,
'' ,
'- `dataset_samples.jsonl`：模拟的数据样本' ,
'- `README.md`：数据集使用说明' ,
'' ,
'文本编码： ,
] . join ( '\n' ) ,
}
2026-07-10 16:45:06 +08:00
// ============ 训练任务 ============
export const mockFineTuneList : FineTuneTask [ ] = [
2026-07-11 10:39:26 +08:00
{ id : 103942 , name : 'finance-sft-001' , description : '金融领域 SFT 训练' , status : 'completed' , train_type : 'SFT' , train_method : 'lora' , template : 'qwen' , base_model : 1 , train_dataset_id : 1 , gpus : [ 0 ] , progress : 100 , train_duration : '2小时18分钟' , create_time : '2026-01-15T08:00:00Z' } ,
{ id : 349102 , name : 'legal-sft-002' , description : '法律文书 SFT' , status : 'completed' , train_type : 'SFT' , train_method : 'lora' , template : 'qwen' , base_model : 1 , train_dataset_id : 2 , gpus : [ 1 ] , progress : 100 , train_duration : '1小时46分钟' , create_time : '2026-01-18T10:00:00Z' } ,
{ id : 849301 , name : 'medical-cpt-001' , description : '医疗领域继续预训练' , status : 'running' , train_type : 'CPT' , train_method : 'lora' , template : 'qwen2_5' , base_model : 2 , train_dataset_id : 6 , gpus : [ 0 , 1 ] , progress : 64 , train_duration : '36分钟' , create_time : '2026-02-05T09:00:00Z' } ,
{ id : 593021 , name : 'service-dpo-001' , description : '客服对话偏好训练' , status : 'pending' , train_type : 'DPO' , train_method : 'lora' , template : 'qwen' , base_model : 1 , train_dataset_id : 3 , gpus : [ 2 ] , progress : 0 , train_duration : '-' , create_time : '2026-02-08T14:00:00Z' } ,
{ id : 201948 , name : 'finance-sft-002' , description : '金融领域二轮微调' , status : 'failed' , train_type : 'SFT' , train_method : 'lora' , template : 'qwen' , base_model : 1 , train_dataset_id : 1 , gpus : [ 3 ] , progress : 32 , train_duration : '18分钟' , create_time : '2026-02-10T11:00:00Z' } ,
{ id : 940212 , name : 'general-sft-001' , description : '通用能力微调' , status : 'completed' , train_type : 'SFT' , train_method : 'full' , template : 'llama3' , base_model : 3 , train_dataset_id : 3 , gpus : [ 0 , 2 ] , progress : 100 , train_duration : '3小时05分钟' , create_time : '2026-02-12T13:00:00Z' } ,
2026-07-10 16:45:06 +08:00
]
// ============ 模型推理/对比 ============
export const mockCompareList : CompareTask [ ] = [
{
id : 1 ,
name : '金融问答对比' ,
model_name : '金融问答对比' ,
description : '对比基座模型与微调模型' ,
status : 'loaded' ,
models : JSON.stringify ( [
{ model_id : 1 , model_name : 'Qwen2.5-7B-Instruct' , model_path : '/data/models/qwen2.5-7b' , gpu_id : 0 , source : 'database' , port : 18001 } ,
{ model_id : 101 , model_name : 'qwen-ft-finance-001' , model_path : '/data/saves/qwen-ft-finance-001-merged' , gpu_id : 1 , source : 'trained' , port : 18002 } ,
] ) ,
load_status : JSON.stringify ( {
loaded_models : [
{ model_id : 1 , model_name : 'Qwen2.5-7B-Instruct' , status : 'ready' , pid : 12345 , port : 18001 } ,
{ model_id : 101 , model_name : 'qwen-ft-finance-001' , status : 'ready' , pid : 12346 , port : 18002 } ,
] ,
} ) ,
create_time : '2026-02-15T10:00:00Z' ,
} ,
{
id : 2 ,
name : '客服场景推理' ,
model_name : '客服场景推理' ,
description : '客服对话推理测试' ,
status : 'pending' ,
models : JSON.stringify ( [ { model_id : 3 , model_name : 'Llama3-8B-Instruct' , model_path : '/data/models/llama3-8b' , gpu_id : 2 , source : 'database' } ] ) ,
load_status : JSON.stringify ( { loaded_models : [ ] } ) ,
create_time : '2026-02-18T11:00:00Z' ,
} ,
{
id : 3 ,
name : '法律文书推理' ,
model_name : '法律文书推理' ,
description : '法律文书推理测试' ,
status : 'loaded' ,
models : JSON.stringify ( [ { model_id : 102 , model_name : 'qwen-ft-legal-002' , model_path : '/data/saves/qwen-ft-legal-002-merged' , gpu_id : 3 , source : 'trained' } ] ) ,
load_status : JSON.stringify ( {
loaded_models : [
{ model_id : 102 , model_name : 'qwen-ft-legal-002' , status : 'ready' , pid : 12350 , port : 18003 } ,
] ,
} ) ,
create_time : '2026-02-20T14:00:00Z' ,
} ,
]
// ============ 模型评测 ============
export const mockEvalList : EvalTask [ ] = [
{ id : 1 , eval_task_name : '金融模型评测-v1' , model_name : 'qwen-ft-finance-001' , dataset : '金融评测集' , metric : 'accuracy' , score : 87.5 , status : 'completed' , create_time : '2026-02-01T10:00:00Z' } ,
{ id : 2 , eval_task_name : '客服模型评测-v1' , model_name : 'llama3-ft-customer-service' , dataset : '通用能力评测' , metric : 'rouge-1' , score : 0.82 , status : 'completed' , create_time : '2026-02-05T11:00:00Z' } ,
{ id : 3 , eval_task_name : '基线对比评测' , model_name : 'Qwen2.5-7B-Instruct' , dataset : '金融评测集' , metric : 'accuracy' , score : 72.3 , status : 'running' , create_time : '2026-02-10T09:00:00Z' } ,
]
export const mockDimensions : Dimension [ ] = [
{ id : 1 , name : '回答准确性' , type : 'classification' , description : '评估模型回答是否准确' , eval_model : 'GPT-4o' , eval_method : 'standard' , eval_prompt : '# 角色\n你是专业的评估专家...' , is_active : true , is_default : true , create_time : '2025-12-01T08:00:00Z' } ,
{ id : 2 , name : '综合评分' , type : 'metric' , description : '0-5 分综合评分' , eval_model : 'Claude-3.5-Sonnet' , eval_method : 'metric_standard' , eval_prompt : '# 角色\n你是专业评分专家...' , is_active : true , is_default : false , score_min : 0 , score_max : 5 , pass_threshold : 3.5 , create_time : '2025-12-05T09:00:00Z' } ,
{ id : 3 , name : '语义相似度' , type : 'metric' , description : '生成文本与参考答案的语义相似度' , eval_model : 'GPT-4o' , eval_method : 'semantic' , eval_prompt : '# 角色\n你是语义相似度评估专家...' , is_active : true , is_default : false , score_min : 0 , score_max : 1 , pass_threshold : 0.7 , create_time : '2025-12-08T10:00:00Z' } ,
{ id : 4 , name : 'BLEU-4 相似度' , type : 'text_similarity' , description : '使用 BLEU-4 评估文本相似度' , is_active : true , is_default : false , eval_method : [ 'bleu_4' ] , bleu_n : 4 , output_precision : 3 , create_time : '2025-12-10T11:00:00Z' } ,
{ id : 5 , name : 'ROUGE 多指标' , type : 'text_similarity' , description : 'ROUGE-1/2/4 多指标评估' , is_active : false , is_default : false , eval_method : [ 'rouge_1' , 'rouge_2' , 'rouge_4' ] , bleu_n : 1 , output_precision : 3 , create_time : '2025-12-12T13:00:00Z' } ,
]
// ============ 日志 ============
export const mockLogFiles : LogFile [ ] = [
{ file : 'system-2026-02-15.log' , name : '系统日志-2026-02-15' , size : '2.3 MB' } ,
{ file : 'error-2026-02-15.log' , name : '错误日志-2026-02-15' , size : '156 KB' } ,
{ file : 'system-2026-02-14.log' , name : '系统日志-2026-02-14' , size : '3.1 MB' } ,
]
export const mockTrainingLogFiles : TrainingLogFile [ ] = [
{ file : 'qwen-ft-finance-001_pid12345.log' , name : 'finance-sft-001' , size : '4.5 MB' , pid : 12345 , date : '2026-02-15' } ,
{ file : 'llama3-ft-customer-service_pid12346.log' , name : 'service-dpo-001' , size : '2.1 MB' , pid : 12346 , date : '2026-02-18' } ,
{ file : 'qwen-ft-legal-002_pid12350.log' , name : 'legal-sft-002' , size : '5.8 MB' , pid : 12350 , date : '2026-02-20' } ,
]
const fakeLogLines = [
"[2026-02-15 08:30:12] INFO: Loading model from /data/models/qwen2.5-7b" ,
"[2026-02-15 08:30:13] INFO: Loading dataset finance-train-001 (8560 samples)" ,
"[2026-02-15 08:30:15] INFO: Training started with batch_size=8, learning_rate=2e-5" ,
"[2026-02-15 08:32:45] INFO: {'loss': 2.341, 'grad_norm': 1.234, 'learning_rate': 1.95e-05, 'epoch': 0.05}" ,
"[2026-02-15 08:34:15] INFO: {'loss': 1.892, 'grad_norm': 0.987, 'learning_rate': 1.88e-05, 'epoch': 0.10}" ,
"[2026-02-15 08:35:42] INFO: {'loss': 1.543, 'grad_norm': 0.876, 'learning_rate': 1.79e-05, 'epoch': 0.15}" ,
"[2026-02-15 08:37:10] INFO: {'loss': 1.287, 'grad_norm': 0.765, 'learning_rate': 1.70e-05, 'epoch': 0.20}" ,
"[2026-02-15 08:38:55] INFO: {'loss': 1.056, 'grad_norm': 0.654, 'learning_rate': 1.60e-05, 'epoch': 0.25}" ,
"[2026-02-15 08:40:30] WARN: Gradient norm exceeds threshold (0.654 > 0.5)" ,
"[2026-02-15 08:42:00] INFO: {'loss': 0.892, 'grad_norm': 0.543, 'learning_rate': 1.50e-05, 'epoch': 0.30}" ,
"[2026-02-15 08:45:15] INFO: Saved checkpoint to /data/checkpoints/finance-sft-001-step-100" ,
"[2026-02-15 08:46:30] INFO: {'loss': 0.754, 'grad_norm': 0.432, 'learning_rate': 1.40e-05, 'epoch': 0.35}" ,
"[2026-02-15 08:48:00] INFO: {'loss': 0.623, 'grad_norm': 0.398, 'learning_rate': 1.30e-05, 'epoch': 0.40}" ,
"[2026-02-15 08:50:15] INFO: {'loss': 0.512, 'grad_norm': 0.345, 'learning_rate': 1.20e-05, 'epoch': 0.45}" ,
"[2026-02-15 08:52:30] ERROR: Failed to save model: No space left on device" ,
"[2026-02-15 08:52:31] INFO: Retrying save with compressed format..." ,
"[2026-02-15 08:53:00] INFO: Model saved successfully (size: 14.2 GB)" ,
"[2026-02-15 08:55:00] INFO: {'loss': 0.421, 'grad_norm': 0.298, 'learning_rate': 1.10e-05, 'epoch': 0.50}" ,
"[2026-02-15 08:57:30] INFO: {'loss': 0.356, 'grad_norm': 0.256, 'learning_rate': 1.00e-05, 'epoch': 0.55}" ,
"[2026-02-15 09:00:00] INFO: Training completed successfully" ,
"" ,
"***** train metrics *****" ,
" epoch = 1.0" ,
" total_flos = 1234567890" ,
" train_loss = 0.342" ,
" train_runtime = 1785.2" ,
" train_samples_per_second = 4.79" ,
" train_steps_per_second = 0.60" ,
"***** train metrics end *****" ,
]
export const mockLogContent : LogContent = {
file : 'system-2026-02-15.log' ,
size : '2.3 MB' ,
content : fakeLogLines.join ( '\n' ) ,
}
