# 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