当前模型精调支持上传或导入jsonl格式数据集文件，以下为详细格式说明：

文本生成模型

格式示例：

{"messages": [{"role": "user", "content": "孤灯照不寐，风雨满西林。下一句是？"}, {"role": "assistant", "content": "多少关心事，书灰到夜深。"}]}
{"messages": [{"role": "system", "content": "请根据古诗内容，仅回复作者的名字。"}, {"role": "user", "content": "孤灯照不寐，风雨满西林。多少关心事，书灰到夜深。"}, {"role": "assistant", "content": "李群玉", "loss_weight": 1.0}]}

格式说明：

• messages (list, required): 描述一个对话列表
  • role (str, required): 角色，system、user、assistant中的一个
  • content (str, required): 对话内容文本
  • loss_weight (float, optional): 对于内容的loss训练权重。当role=system/user，loss_weight默认值为0.0且不可修改；当role=assistant，loss_weight默认值为1.0。通过loss_weight字段，可以在训练数据中修改默认值，取值范围是[0.0, 1.0]

文本向量化模型

当前该模型训练暂未公开

格式示例：

{"query":"乐清市珍俊服装店","docs":[{"text":"标题：先跪着把钱挣了.才能站着做选择.一定要好好赚钱.人这一生.","label":0},{"text":"标题：看来彩礼是要高了些..CCC#服装人#抖音助手#做个快乐的女孩#实体店#穿搭#实体王府大酒店","label":1},{"text":"标题：最近很喜欢一段话：照顾好自己的健康和情绪，这场人生，你就赢了一大半，其余的其余，人生自有","label":0}]}

格式说明：

• query*(str, required)*：检索问题文本
• docs (list, required)：与检索问题文本对应的正负例目标文本列表
  • text*(text, required)*：正负例文本内容
  • label*(bool, required)*：label值为1时为正例，一条数据中需要有1个正例；label值为0时为困难负例，一条数据中可包含0-5个负例

当前该训练方式暂未公开

文本生成模型

格式示例：

{"messages": [{"role": "user", "content": "孤灯照不寐，风雨满西林。下一句是？"}, {"role": "assistant", "content": [{"text": "多少关心事，书灰到夜深。", "score": 1.0}, {"text": "明月照大地，花香飘满园。", "score": 0.0}]}]}
{"messages": [{"role": "system", "content": "请根据古诗内容，仅回复作者的名字。"}, {"role": "user", "content": "孤灯照不寐，风雨满西林。多少关心事，书灰到夜深。"}, {"role": "assistant", "content": [{"text": "李群玉", "score": 1.0}, {"text": "李白", "score": 0.0}]}]}

格式说明：

• messages (list, required): 描述一个对话列表
  • role (str, required): 角色，system、user、assistant中的一个。最后一个message的role必须是assistant
  • content (str | list, required): 对话内容文本或者一个list对象。前n-1个message的content为str类型；最后一个message的content必须为list类型，且list长度在2～5之间。list的元素为dict，包含以下字段：
    • text (str, required)：文本内容
    • score (float, required)：偏好值，范围在0～1的浮点数

文本生成模型

格式示例：

{"text":"火山引擎机器学习平台是面向机器学习应用开发者，提供【开发机】和【自定义训练】等丰富建模工具、多框架高性能模型推理服务的企业级开发平台，支持从数据托管、代码开发、模型训练、模型部署的全生命周期工作流。"}
{"text":"支持运行超大规模的分布式任务，包含多种预置算法框架和自定义算法框架。提供稳定、灵活、高性能的机器学习训练环境。"}
{"text":"支持多种框架的模型在异构硬件上的一键部署，具有高吞吐、低延时、实时扩缩容等特点，使推理服务更具弹性和容错性。"}

格式说明：

• text (str, required): 想要训练的字符串文本。每条样本不限制text长度，如果超长将自动根据模型最大能支持的token拆成多个样本，因此样本总数可能会超过数据的行数