前后对比

对比按钮（在训练块或历史里）把基础模型和微调模型并排放：

• 困惑度 (ppl)：语言模型误差——越低越自信。从 ~29 掉到 ~3，说明数据集的风格真的学会了。
• 评估损失：在留出的验证集上测量（当 eval_pct>0 时）。
• 样本生成：同一个提示词发给两个模型，行为的差别一眼可见。