| # Nov 3 | |
| 1. 创建对比数据的code：zero-shot的结果为负样本 | |
| 2. 数据下载和预处理 pipline,可以直接搬运CARD代码过来 | |
| 3. 搭建prompt-dpo基本模型 | |
| # Nov 5 | |
| 1. 下载lamp和longlamp数据集 | |
| 2. 完成zero_shot推理，推理需要和baseline prompt template保持一致，多卡推理 | |
| 3. 构建偏好对 | |
| 4. 分别尝试SFT和DPO来训练soft prompt generator | |
| # Nov 24: | |
| 1. 完成Qwen 2.5的zero-shot推理 | |
| 2. 完成Qwen 2.5的RAG推理 | |
| Nov 25: | |
| 1. 完成Qwen 2.5的SFT训练 | |
| 2. Qwen soft prompt generator(SFT)版本训练 |