Dashboard

Claw-R1 Dashboard 是 Agentic RL 数据生命周期的在线控制台。它连接真实 Ray DataPool actor 和参数同步 actor，用于观察当前训练系统中的采集、表示、筛选、优化预览和训练消费状态。

能看到什么？

• Overview：端到端展示采集、reward、筛选、优化和消费状态。
• Collection：查看 DataPool 事件流，以及不同 channel 的数据来源分布。
• Representation：查看 step-level prompt/action token IDs、trajectory ID、reward 状态、policy version 和 metadata。
• Curation：查看并维护 batch quality label、trainability、tag 和 note。
• Optimization：基于真实 DataPool step 为某个 prompt group 生成 prefix-tree 预览。
• Consumption：查看 fetch-batch 计数、已消费 prompt group、policy sync version 和最近同步状态。

启动方式

训练任务创建 Ray actors 后，在仓库根目录运行：

conda activate steppo
sh example/start_dashboard.sh

默认服务地址为 http://127.0.0.1:8120。

也可以显式指定配置：

sh example/start_dashboard.sh \
  --ray-address auto \
  --ray-namespace claw_r1_async \
  --actor-name data_pool \
  --sync-actor-name parameter_synchronizer \
  --channel train,val \
  --port 8120

配置来源

Dashboard 支持三种配置方式：

• CLI 参数
• 环境变量
• dashboard/config.example.yaml

字段	默认值	作用
ray_address	auto	Ray cluster 地址。
ray_namespace	null	训练任务使用的 Ray namespace。
actor_name	data_pool	DataPool Ray actor 名称。
sync_actor_name	parameter_synchronizer	参数同步 actor 名称。
channel	train	一个或多个 DataPool channel，多个值用逗号分隔。
refresh_interval_ms	2000	前端轮询间隔。
host / port	0.0.0.0 / 8120	Dashboard 绑定地址。

如果 DataPool actor 不可用，Dashboard API 会返回 service-unavailable 错误，方便直接暴露部署问题。