Reward-Based Policy Optimization (GRPO/GSPO)

POST 
/api/dags/grpo-gspo-optimization/trigger

本專案流程提供模型強化學習 (Reinforcement Learning, RL) 訓練服務。使用者可自行選擇基礎模型 (base model)、RL 方法 (GRPO/GSPO)、訓練方式 (Full/LoRA)、GPU (H200) 數量，並提供訓練資料進行強化學習訓練。若使用 LoRA 訓練，流程完成後除 merged model 與訓練紀錄外，也會保留並上傳 LoRA adapter。

Request

Responses

200

成功建立 Airflow DAG Run。

401

未提供有效的 Portal API Key。

403

使用者沒有指定專案的操作權限。

404

找不到指定的專案。

422

URL 的工作流程名稱不支援，或最外層缺少 project_code／conf。