待验证50% 置信事实精确时间
UnFlow 是一个开源项目，将机器学习实验建模为图（graph），试图改变传统扁平列表的实验追踪范式
1
来源数
50%
置信度
长期有效
时效性
2026/8/19
首次发现
来源
相关事实
待验证现有实验追踪工具核心模型大多是面向运行（run-centric）的，而 UnFlow 尝试转向面向血缘（lineage-centric）的模型74% 相似待验证UnFlow 借鉴内容寻址（content-addressable）思想，通过对函数代码和参数组合进行哈希计算判断实验是否等价，从而实现自动去重74% 相似待验证在 UnFlow 的实验图谱中，节点代表某次实验的状态（配置与计算结果），边代表从一个状态到另一个状态的转换（改变）73% 相似待验证UnFlow 通过监测 Python 函数内部的代码改动和传入的参数变化来构建状态图，只有存在真实转换时才新增状态节点并执行计算63% 相似待验证Unsloth Studio 用于简化微调后模型的部署、量化导出（支持 GGUF/GPTQ/AWQ 等格式）与推理流程63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/772515API
curl https://kongchang.com/api/v1/knowledge/claims/772515MCP
get_claim(id=772515)