把多次运行串成流水线

tp submit my-sft --profile h200:8
tp submit my-dpo --profile h200:8 --init-from run/run-4f2a91/checkpoint

# 那次运行的最新 checkpoint
tp submit my-dpo --profile h200:8 --init-from run/run-4f2a91/checkpoint

# 某个具体 step
tp submit my-grpo --profile h200:8 --init-from "run/run-8b1c02/checkpoint@step=120"

tp submit my-grpo --profile h200:8 --then export --then eval

tp export my-grpo \
  --checkpoint checkpoints/step_500 \
  --checkpoint-format nemo-dcp

tp export my-grpo --checkpoint checkpoints/step_500 \
  --checkpoint-format nemo-dcp \
  --push-repo myorg/my-model

# NeMo-RL，对着一个导出的模型
tp eval my-grpo --model /shared/hf_export/my-model

# NeMo-RL，带一份显式评测配置
tp eval my-grpo --model Qwen/Qwen3.5-9B --eval-config configs/eval/gsm8k.yaml

# verl SFT，把验证样本回报到训练运行上
tp eval my-verl-sft --run-id run-4f2a91 --step 200 --data data/val.parquet

# 1. SFT 打底
tp new sft-qwen --method nemo-rl/sft
tp submit sft-qwen --profile h200:8

# 2. 从 SFT 的 checkpoint 跑 GRPO，跑完自动导出
tp new grpo-qwen --method nemo-rl/grpo
tp submit grpo-qwen --profile h200:8 \
  --init-from run/run-4f2a91/checkpoint --then export

# 3. 用标准评测集给它打分
tp bench run bench-qwen -m run:run-8b1c02 --suites gsm8k,mmlu

# 4. 试试它
tp serve start run:run-8b1c02 --gpus 1