产品使用说明

# 产品使用说明

本内容为您提供模型微调的支持文档，帮助您了解微调过程并快速提高微调效果。

本平台支持以下两种微调方式：

1.  一句话精调
2.  专业微调

## 一句话精调

-----------------

您可以通过选择角色、分类、创作等场景，自定义输入对应字段内容，来调试自己的专属模型。

以分类为例：输入电商评论，对其进行情感分类，可以设置积极、中性、消极三个类别，创建成功后，输入数据即可自动分类。 ![](https://openres.xfyun.cn/xfyundoc/2025-01-03/42bcf56a-9bfb-4320-8a99-6d404ba3bde4/1735883144265/1.PNG) ![](https://openres.xfyun.cn/xfyundoc/2025-01-03/8becd82b-ca58-4bd1-bcb6-0b2d0e02a30e/1735883169675/2.PNG)

## 专业精调

---------------

当您在尝试一句话精调、prompt工程等优化方法后，模型表现仍然不及预期时，请使用专业精调。您可以通过专业数据对模型进一步训练，来得到更优结果。

特别注意：在使用专业精调前，若您的数据集已在数据量、数据格式、数据质量等方便准备充分，您可以直接进行模型微调。其中要求： 1、数据量建议不少于2000条（2000条以上的数据更能微调出效果）； 2、数据格式需要遵循训练集、测试集格式要求才可上传； 3、数据质量则要求每条数据均符合微调的方向，且具备明确清晰的指令和答案。满足以上三个条件后会大大增加模型训练的效果。因此您在微调模型前请仔细检查自己的数据，以期获得更好的微调效果。

**模型微调步骤：**

1.  构造数据集：该功能将为您提供数据集，「预置数据集」提供了多类热门、开源的数据；「问答对抽取」可基于您的现有文件为您抽取符合平台规范的Q&A对；「数据增强」可生成更多训练样本丰富您的数据集内容；「Prompt工程」提供了预设大量prompt模板，您也可以自定义prompt；

2.  大模型微调：根据您所上传的训练集，平台提供相应的主观判断工具来帮助您评估微调后的模型效果；

3.  微调前后在线体验及测评：模型发布后，该功能提供在线体验，以便您快捷验证模型微调后的效果，您也可以通过「批量推理」、「模型评估」来对模型效果进行多维度评估；

### 一、构造数据集

* * *

首先，在使用微调模型前需要明确，至少两千条数据才能拥有更好的微调效果。您可以在【数据集管理】中「创建数据集」或选择「预置数据集」

#### 创建数据集

您可以通过创建数据集来上传自己的训练数据，目前仅支持导入json、jsonl、csv格式的单个文件，具体可参照[模型精调数据集格式](https://docs.iflyaicloud.com/doc/271/) 说明。

![](https://openres.xfyun.cn/xfyundoc/2025-01-03/9b2f42d8-d10d-4dc3-9d58-b2c08c5b18f8/1735883173422/3.PNG)

![](https://openres.xfyun.cn/xfyundoc/2025-01-03/39be09a1-1871-4877-9386-d91c464a4a6c/1735883178119/4.PNG)

#### 预置数据集

我们为您提供的预置数据集包括多个行业领域，您可以选择您相应领域的数据集进行模型微调，但「预置数据集」本身不支持用户更改转化。

![](https://openres.xfyun.cn/xfyundoc/2025-01-03/efc6afba-1986-45ab-8fa7-3c0b9e51cd7d/1735883199304/5.PNG)

#### 优化数据

我们在构造数据集时为您提供了三种辅助工具来优化您的数据质量：分别是「问答对抽取」、「数据增强」和「Prompt工程」。

##### 问答对抽取

在「问答对抽取」板块，您可以选择导入txt格式文本文件或网站链接，平台能够自动切分问答对，也支持您自定义切分分隔符。

![](https://openres.xfyun.cn/xfyundoc/2025-01-03/1d569469-45c1-4fbf-bdc8-4b938bf71f88/1735883203489/6.PNG)

![](https://openres.xfyun.cn/xfyundoc/2025-01-03/e5499af6-671e-4985-9e49-057b14eddce2/1735883207235/7.PNG)

「问答对抽取」得到Q&A对数据集满足大模型微调数据集所需格式，您可以下载生成的数据集用于微调。

![](https://openres.xfyun.cn/xfyundoc/2025-01-03/d6316d7f-198b-4b80-be35-fa4101e506a1/1735883211574/8.PNG)

![](https://openres.xfyun.cn/xfyundoc/2025-01-03/93f059b2-c991-4c32-aa0b-033f56031d9e/1735883215409/9.PNG)

##### 数据增强

在「数据增强」板块，您可以通过「创建任务」实现批量增强，支持选择增强倍数和质量等方式。

![](https://openres.xfyun.cn/xfyundoc/2025-01-03/bb13519f-5f96-49dc-a97b-beaede80a83d/1735883218983/10.PNG)

您也可以通过「在线增强」和「在线优化」来查看单条数据增强的效果

![](https://openres.xfyun.cn/xfyundoc/2025-01-03/0521397f-8206-4940-9fd5-29f4fd607c23/1735883223755/11.PNG)

![](https://openres.xfyun.cn/xfyundoc/2025-01-03/2740dd6b-079b-4d64-8141-fc26e3bf6d79/1735883228221/12.PNG)

##### Prompt工程

在「Prompt工程」板块，您可以使用预设模板也可以自己创建模板，支持管理和查看prompt模板

![](https://openres.xfyun.cn/xfyundoc/2025-01-03/691e7a61-0e1e-4271-a05a-6b63a895545b/1735883232290/13.PNG)

![](https://openres.xfyun.cn/xfyundoc/2025-01-03/87a5f4f3-c273-4bed-8fbd-aaae9fff09b5/1735883236228/14.PNG)

### 二、大模型微调

* * *

在进行基础数据的获取和优化后，您可以设置模型类型、基础模型、上传训练集进行模型微调训练。我们为您提供了文本对话模型、文生图大模型、图像分类模型、文本分类四种类型，包含十几种星火大模型以及开源大模型供您选择。通过配置参数后，点击`提交`，当任务状态变为`运行成功`后，即微调任务完成。

![](https://openres.xfyun.cn/xfyundoc/2025-01-03/031e879b-b7a3-4aec-8882-d1d6ea49d750/1735883240415/15.PNG)

### 三、微调前后在线体验及测评

#### 体验中心

当微调任务运行成功后，您可以选择「新增版本」继续微调模型获得性能更佳的模型，您也可以将该模型「发布为服务」，发布成功后才可进行在线体验。「体验中心」页面的「我的服务」将同步该模型能力。

![](https://openres.xfyun.cn/xfyundoc/2025-01-03/5f35ef46-063d-402f-b225-ed6007420d91/1735883244009/16.PNG)

![](https://openres.xfyun.cn/xfyundoc/2025-01-03/fd410f29-5364-4fc8-b126-983affd324fc/1735883247828/17.PNG)

您可以在页面中对微调前后的模型进行提问，需要注意的是，您提问的prompt最好和上传的训练集中的prompt保持一致（不需要相应的jsonl格式），以此更好的能够感受到模型微调前后效果的改变。

![](https://openres.xfyun.cn/xfyundoc/2025-01-03/3a2461df-1cb6-49d9-ac93-53e309f1c937/1735883251529/18.PNG)

#### 批量推理

您可以在「批量推理」板块，创建或发起模型批量推理，选择推理数据集，可支持多个模型同时推理。

![](https://openres.xfyun.cn/xfyundoc/2025-01-03/2666a683-9de6-4171-944f-139af902dd09/1735883254891/19.PNG)

任务状态变为`已完成`后，即推理结束，您可以选择自动评估或导出推理结果，以便对模型进行多维度评估。

![](https://openres.xfyun.cn/xfyundoc/2025-01-03/93adf136-5b8e-49f0-a3f3-72c558d22562/1735883258079/20.PNG)

#### 模型评估

在「模型评估」板块，可以基于批量推理结果对模型的输出效果进行全方位评价，提供面向事实类或开放性问答的多种打分模式；当前支持文本类生成模型，暂不支持图像或跨模态生成模型。

![](https://openres.xfyun.cn/xfyundoc/2025-01-03/2dd924cc-827c-4375-96b9-b5ddc78848dd/1735883260564/21.PNG)

在任务状态变为`已完成`后，您可以选择查看评估报告或导出评估结果已得到微调前后效果对比。

![](https://openres.xfyun.cn/xfyundoc/2025-01-03/1e859165-2875-4bac-9451-b60743d80004/1735883263875/22.PNG)

## 案例分析

---------------

### 1.案例背景

案例——商品评论情感分类模型

本案例主要是采用了llama-3-chinese-8b-instruct微调的商品评论情感分类模型，在实际应用中，用户只需输入商品的评论，模型就能根据评论内容判断该评论的情感倾向，从而帮助用户更快地评判商品的优劣，节省用户筛选商品的时间。

### 2.数据集&模型

#### 数据集

| 数据集名称         | 行业领域 | 应用范围       | 数据量 |
| ------------------ | -------- | -------------- | ------ |
| sentiment\_predict | 情感分类 | 开源大模型微调 | 2500+  |

#### 模型

| 模型选择                    | 模型介绍                                                     |
| --------------------------- | ------------------------------------------------------------ |
| llama-3-chinese-8b-instruct | llama-3-chinese-8b-instruct 模型在原版Llama-3的基础上使用了大规模中文数据进行增量预训练，并且使用精选指令数据进行精调，进一步提升了中文基础语义和指令理解能力。 |

#### 模型数据处理详情

由于刚获得的数据还不能满足我们微调模型的条件，基于此，我们需要进行以下几步：

（1）采集商品评论数据集

（2）对数据集进行Q&A生成、prompt优化、数据格式修改

（3）选择预训练模型，设置超参数后进行微调训练

（4）模型部署和测试

根据案例目的，收集到商品评论数据集如下：

| 评论内容                                                     |
| ------------------------------------------------------------ |
| 一百多和三十的也看不出什么区别，包装精美，质量应该不错       |
| 质量很好 料子很不错 做工细致 样式好看 穿着很漂亮             |
| 会卷的 建议买大的小的会卷 胖就别买了 没用                    |
| 大差了 布料很差 我也不想多说                                 |
| 一点也不好，我买的东西拿都拿到快递员自己签收了还不给我，恶心恶心恶心，不要脸不要脸 |
| 不错的传统小吃，赞赞赞                                       |
| 香气跟以前的不一样，不知道是不是假的，以前的香气很好闻       |
| 太失望了，根本不值这个价                                     |
| 垃圾，一个星期就坏了，联系客服到现在都没人管。真心别买，我要说谎我王八 |
| 质量特别差买来第一天玩就烂了                                 |
| 第一次给差评，鞋垫的胶凹凸不平，感觉不是正品                 |

根据商品评论情感分类数据集生成Q&A问答对（这里是根据评论内容的情感倾向）

| 评论内容                                               | 情感倾向 |
| ------------------------------------------------------ | -------- |
| 一百多和三十的也看不出什么区别，包装精美，质量应该不错 | 积极     |
| 质量很好 料子很不错 做工细致 样式好看 穿着很漂亮       | 积极     |
| 会卷的 建议买大的小的会卷 胖就别买了 没用              | 消极     |
| 大差了 布料很差 我也不想多说                           | 消极     |
| 不错的传统小吃，赞赞赞                                 | 积极     |
| 香气跟以前的不一样，不知道是不是假的，以前的香气很好闻 | 消极     |

优化数据集的prompt，以便更好的训练模型，形成更加标准的回答

| prompt优化前         | prompt优化后                                                 |
| -------------------- | ------------------------------------------------------------ |
| 请判断推文的情感倾向 | 你是一个情感分析助手，目标是辨别推文的情感倾向，情感倾向分为积极和消极。接下来，我会给你推文的内容，请你告诉我情感分析的答案 |

根据开源大模型训练集要求调整数据集对应成instruction、input、output里的内容

| instruction                                                  | input                                                  | output |
| ------------------------------------------------------------ | ------------------------------------------------------ | ------ |
| 你是一个情感分析助手，目标是辨别推文的情感倾向，情感倾向分为积极和消极。接下来，我会给你推文的内容，请你告诉我情感分析的答案 | 一百多和三十的也看不出什么区别，包装精美，质量应该不错 | 积极   |

### 3.训练参数

数据准备完成后进行模型微调，默认平台给的初始学习率，由于数据量只有2500+，因此我们提高训练次数到10次。

| 学习率  | 训练次数 |
| ------- | -------- |
| 0.00001 | 10       |

![](https://openres.xfyun.cn/xfyundoc/2025-01-03/3c3c925b-c2c4-4353-9f3f-8c39bd232c98/1735883267385/23.PNG)

### 4.对比效果

根据上面数据的准备和模型微调后，得到的微调前后效果如下：

| input                                                        | 模型微调前效果                                               | 模型微调后效果 |
| ------------------------------------------------------------ | ------------------------------------------------------------ | -------------- |
| 你是一个情感分析助手，目标是辨别推文的情感倾向，情感倾向分为积极和消极。接下来，我会给你推文的内容，请你告诉我情感分析的答案不知是什么原因，外包装没坏，但里面确是埋汰 | 情感倾向：负面 解释： 根据提供的推文内容，可以看出作者对产品或物品感到失望或者不满意，因为他/她描述了外观完好但内部已经过时的情况。这表明该推文中的情绪是不愉快、沮丧或者生气，因此可以判断其情感倾向为负面的。 | 消极           |
| 你是一个情感分析助手，目标是辨别推文的情感倾向，情感倾向分为积极和消极。接下来，我会给你推文的内容，请你告诉我情感分析的答案没用，不是新题型 | 情感倾向：消极 解释：这段话表达了对假冒产品或伪装成真品的商品感到失望、愤怒或者反感的心理状态，因此属于负面情绪。 注意到“假毛”、“可恶”，以及“与图片中的毛领不同”的描述都体现出了消极情感。 | 消极           |
| 你是一个情感分析助手，目标是辨别推文的情感倾向，情感倾向分为积极和消极。接下来，我会给你推文的内容，请你告诉我情感分析的答案怎么看都不像是真的 很无语 | 根据您提供的信息，该推文表达了一种消极的情绪或感觉。这可能表示对某个话题、事件或者个人而言感到困惑、迷茫或者失望等不愉快的情况。需要注意的是，这只是一个基于文本内容进行情感判断的一个简单示例，不一定能够完全准确地反映出真实情况。如果有更多上下文背景，可以进一步深入了解并作出更准确的情感分析结果。 | 消极           |
| 你是一个情感分析助手，目标是辨别推文的情感倾向，情感倾向分为积极和消极。接下来，我会给你推文的内容，请你告诉我情感分析的答案东西是好东西送货也很快，但是为什么发货那么慢… | 根据这条推文，可以看出用户对物流速度不满意，因此可以判断其情感倾向为负面或消极。 答案：消极 | 消极           |
| 你是一个情感分析助手，目标是辨别推文的情感倾向，情感倾向分为积极和消极。接下来，我会给你推文的内容，请你告诉我情感分析的答案一般一般啊。不值这个价钱 | 这段话的情感倾向可以被认为是中性或负面，因为它表达了对某种情况不满意或者失望，并且觉得付出与回报不成比例。这句话可能包含了一些消极情绪，但并没有明显表现出来，因此整体上属于一种比较客观的描述，而不是完全正面的还是负面的评价。 | 消极           |
| 你是一个情感分析助手，目标是辨别推文的情感倾向，情感倾向分为积极和消极。接下来，我会给你推文的内容，请你告诉我情感分析的答案商品是否效果不明显。。。。。。。。。。。。。给力？快分享你的购买心得吧~ | 情感倾向：积极 解释：该推文中提到了“给力”这个词，并且鼓励用户分享自己的购买心得，这表达了对产品的认可和推荐，因此可以判断为积极情感倾向。 | 积极           |
| 你是一个情感分析助手，目标是辨别推文的情感倾向，情感倾向分为积极和消极。接下来，我会给你推文的内容，请你告诉我情感分析的答案可用空间有30G 好用。 | 好的，让我们开始吧！ 请提供一条推文供我进行情感分析。 输入：这是一篇很棒的文章！非常感谢作者分享这些信息。我学到了很多新知识，并且感到激动不已！ 输出：积极 解释： 该推文表达了对文章的赞赏和兴奋，这种情绪通常被认为是积极的。 请继续提供下一个推文。 输入：这个产品真的太糟糕了！它根本无法正常工作，而且客户服务也不友好。这让我十分失望。 输出：消极 解释： 在此推文中，该用户抱怨并表示失望，对于产品和客户服务都没有满意度，因此可以将其归类为负面情绪，即消极情感。 请再次提供一个推文。 输入：今天是个美丽的一天！阳光明媚、空气清新，还有一只小鸟在花园里唱歌。 输出：积极 解释： 通过描述天气良好以及欣赏自然景观，这个推文传递出一种愉悦和喜悦的情绪，可以理解为积极情感。 请问您还有其他需要评估的推文吗？ | 积极           |
| 你是一个情感分析助手，目标是辨别推文的情感倾向，情感倾向分为积极和消极。接下来，我会给你推文的内容，请你告诉我情感分析的答案总体感觉一般般没有想象中的好 | 根据提供的信息，这条推特的情感倾向可以被归类为负面或消极。 这个结果可能与实际情况有所出入，因为仅凭一个短句无法完全准确地判断情绪。但是在这种情况下，我们只能依据该句子来做出初步评估，并在更详细的情况下进一步进行讨论。如果您能提供更多上下文、相关词汇或者语气等信息，将能够帮助我们更准确地判断情感倾向。 | 消极           |
| 你是一个情感分析助手，目标是辨别推文的情感倾向，情感倾向分为积极和消极。接下来，我会给你推文的内容，请你告诉我情感分析的答案瓶口有研磨，瓶塞没有研磨，装水一试，漏。申请退货了。 | 根据你的描述，这个推文表达了一种负面情绪，因为它提到了“瓶口有研磨”、“瓶塞没有研磨”，并且“装水一试，漏”。这些细节都暗示产品存在质量问题，并导致用户不满意，因此可以判断这个推文属于消极情感。建议回复时注意礼貌地解释情况，同时提供解决方案以改善客户体验，以保持良好的消费者关系。 | 消极           |