智能服务
模型实验
模型实验模块集成了 MLflow 实验管理能力，支持对机器学习模型的训练实验进行全生命周期管理，包括实验跟踪、参数记录、指标对比以及模型注册等功能。
点击左侧导航栏 智能服务 > 模型实验，进入模型实验管理界面。该界面展示了当前工作区的模型实验概览，包括实验数量、运行状态等关键信息。
选择工作区
在顶部导航栏选择目标工作区后，进入工作区主页。主页展示了当前工作区下的模型实验列表，您可以在此查看实验名称、创建时间、最近运行状态等信息。MLflow 会自动追踪每次运行的参数、指标和产物，帮助团队比较和复现实验结果。
实验管理
实验列表与操作
点击左侧实验模块，可以查看当前工作区下的所有实验。在实验列表页面，您可以执行以下操作：
- 创建实验：新建一个模型训练实验，用于组织和追踪一组相关的训练运行
- 对比实验：选择多个实验或运行，并排对比其参数和指标差异
- 删除实验：清理不再需要的实验记录
创建实验
点击创建实验按钮，填写实验名称、描述等信息即可创建新的实验。创建完成后，您可以在该实验下记录每次训练运行的参数、指标和模型产物。
实验对比
选中多个实验或运行后，点击对比按钮进入对比视图。对比页面以并排表格的形式展示不同运行的参数配置和指标结果，帮助快速定位最优模型。
查看实验详情
点击某个实验进入详情页，可以查看实验的概览信息、所有训练运行的列表，以及每次运行的参数、指标和产物详情。
在 Notebook 中进行模型实验
除了通过 MLflow 界面查看实验外，您还可以在数智开发的 Notebook 中直接编写模型训练代码，并自动将运行记录同步到 MLflow 进行追踪。
进入开发环境
进入 数智开发 > 开发环境，选择一个运行中的开发任务，点击 进入 IDE 按钮，即可在 Notebook 中进行模型实验开发。具体操作请参考数智开发 - 开发环境。
编写 MLflow 模型实验代码
在 Notebook 中编写模型训练代码，引入 MLflow 追踪 API，记录训练过程中的参数、指标和模型产物。
在命令行运行测试
在 IDE 内置的终端中执行模型训练脚本，验证代码逻辑是否正确。运行完成后，MLflow 会自动将运行记录同步到模型实验界面。
在 MLflow 界面查看运行结果
回到 智能服务 > 模型实验 界面，进入对应实验即可查看刚刚提交的训练运行，包括参数、指标和模型产物等详细信息。
发布为生产任务
测试完成的代码可以发布为 Python 类型的生产任务，提交审批并配置调度策略，实现模型训练的定时执行。具体操作请参考：
