# IOTA Train at Home 訓練歷史、吞吐量與貢獻率怎麼看？

按日、週、月查看訓練趨勢，理解 epoch token 數、吞吐量、貢獻率和排名，區分訓練指標與記帳收益。

- Canonical: https://iotahome.site/zh-TW/learn/training-history-and-metrics
- Publisher: IOTA Watch
- Published: 2026-10-01
- Updated: 2026-10-01

開啟已儲存裝置的詳情，選擇訓練任務，再切換日、週或月。趨勢圖和表格顯示所選範圍內的官方歷史採樣。訓練量不是代幣到帳金額，也不是未來收益預測。

## 可以對比哪些指標？

- Tokens：某個 epoch 上報的訓練 token 數

- 吞吐量：官方歷史介面上報的處理速率

- 累計 tokens：累計訓練 token 數，與累計收益分開計算

- 貢獻率：把上報的比例顯示為百分比，例如 0.02 顯示為 2%

- 排名與參與人數：此 epoch 上報的名次及參與人數，有數據時才展示

趨勢圖可切換訓練量、吞吐量或累積訓練量。下方表格保留每次採樣，方便對照圖形與具體數字。

## 為什麼曲線會有空缺？

三個歷史資料來源可能包含不同的 epoch。本站按 epoch 對齊數據，不假定數組中的相同位置屬於同一次訓練。缺失的測量值保留為空缺，不補成 0。

## 為什麼所選任務沒有歷史？

官方 API 可能尚未提供該 Miner ID 在所選任務或時間範圍內的取樣。請核對任務選擇，切換時間範圍，並查看資料來源警告。歷史為空不能直接證明設備故障。

目前活動看 [設備狀態](https://iotahome.site/zh-TW/learn/device-status)，記帳代幣看 [收益口徑](https://iotahome.site/zh-TW/learn/how-rewards-work)。 [資料時效說明](https://iotahome.site/zh-TW/learn/data-sources-and-freshness)解釋了為何剛拉取的資料仍可能包含舊取樣。

## 資料來源與本站實現

- [Macrocosmos · Train at Home](https://iota.macrocosmos.ai/)
- [Macrocosmos · TAH user guide](https://docs.macrocosmos.ai/product-and-services/tah/tah-user-guide)
- [IOTA Watch · source code](https://github.com/molimao/iota)