16,820
个编辑
更改
创建页面，内容为“{{4}} '''如何获得首批SFT精调数据？'''<br> '''高质量训练数据要求：'''<br> √场景一致：训练样本分布要与真实业务场景相吻…”
{{4}}
'''如何获得首批[[SFT]]精调数据？'''<br>
'''高质量训练数据要求：'''<br>
√场景一致：训练样本分布要与真实业务场景相吻合，并覆盖边界场景<br>
□单轮/多轮分布、业务场景分布(用户[[Query]]意图/标签/...)<br>
√语义清晰：[[Prompt]]意图清晰、语义独立，描述简洁易懂<br>
√指令遵循：[[Response]]严格遵循Prompt，指令均被满足<br>
□字数、主题、人设、关键词.…<br>
□若含[[Markdown/JSON]]格式，需严格遵循相应语法<br>
√语法规范：符合中文用语规范、标点符号规整<br>
□正确使用句号、分号、列表、换行等标点<br>
□剔除无意义的特殊字符<br>
√价值观对齐:确保客观事实准确、数据脱敏、安全无害<br>
'''训练数据构建常见难点：'''<br>
√没数据：没有历史业务积累，难以找到符合业务场景的数据<br>
√格式乱：数据格式混杂，不符合[[SFT]]精调数据格式<br>
√质量低：数据中语法错误，问答不匹配，需要依赖人工改写
'''如何获得首批[[SFT]]精调数据？'''<br>
'''高质量训练数据要求：'''<br>
√场景一致：训练样本分布要与真实业务场景相吻合，并覆盖边界场景<br>
□单轮/多轮分布、业务场景分布(用户[[Query]]意图/标签/...)<br>
√语义清晰：[[Prompt]]意图清晰、语义独立，描述简洁易懂<br>
√指令遵循：[[Response]]严格遵循Prompt，指令均被满足<br>
□字数、主题、人设、关键词.…<br>
□若含[[Markdown/JSON]]格式，需严格遵循相应语法<br>
√语法规范：符合中文用语规范、标点符号规整<br>
□正确使用句号、分号、列表、换行等标点<br>
□剔除无意义的特殊字符<br>
√价值观对齐:确保客观事实准确、数据脱敏、安全无害<br>
'''训练数据构建常见难点：'''<br>
√没数据：没有历史业务积累，难以找到符合业务场景的数据<br>
√格式乱：数据格式混杂，不符合[[SFT]]精调数据格式<br>
√质量低：数据中语法错误，问答不匹配，需要依赖人工改写
