custom 转发。方法有：trl/sft、dpo、
grpo、rm、kto、rloo、opsd。
可观测性是 platform。TRL 自己的指标名（loss、eval_loss、learning_rate）
会被映射到控制台的曲线上，所以你不用改名字曲线就会有数据。
创建
train.py（kind: experiment）。除非你明确要改入口，超参写在 config.yaml / --set 里。
提交：模型和数据必填
和 verl 一样：--model 和 --train-data（通常还有 --validation-data）必填，除非配置里绑定字段已经有了。
trl/opsd 需要词表一致的 teacher（recipe 参数里的 teacher_model）。缺了校验会失败。
门禁 Hub 仓库：在控制台关联 HuggingFace，提交预检才能核对权限。HuggingFace。
启动
adapter 用 Accelerate（adapter_options.launcher: accelerate）。卡数仍来自 --profile / FORGE_CLUSTER_GPUS_PER_NODE。
训练之后
checkpoint 是 HuggingFace 布局（checkpoint-*、final_model）。recipe 声明了 export/eval 生命周期（starforge.lifecycle.export_complete、实验里的 eval.py）。