少于 50 step 先别怪模型：火山方舟精调先卡数据门槛和验证集

少于 50 step 先别怪模型：火山方舟精调先卡数据门槛和验证集

火山方舟是字节跳动的大模型服务平台。文档《模型精调概述》页面上的最近更新时间是 2026 年 10 月 3 日。它讲什么时候该精调，以及训练后怎么评估，不给某一版模型的准确率。

通用能力不要指望精调补

推理、理解和长文这类通用能力，文档写很难靠精调大幅抬上去，建议等基座更新。强时效的检索用联网插件，确定范围内的检索用知识库。效果问题集中、规则清楚时，先改提示词。提示词不够，再把已经攒下的数据集和评估框架拿去精调。

样本门槛按方法分。SFT 至少几百条带回答的问答对，默认先走它。DPO 至少一百条偏好对比，例如 A/B 选择，不用单独训奖励模型。强化学习（GRPO、PPO、DAPO）至少一百条 prompt，标注可选，上限更高，但要自己调奖励函数。继续预训练至少一千万 token 的未标注数据，量不够就没效果。精调后的推理比基座更贵，成本敏感就先评估，或者等基座自己变好。

验证集可以切，但不另计 token

创建任务时选类型、模型和训练方式，再传 JSONL。训练集可以本地上传、从对象存储 TOS 导入，或选已经传过的数据集。验证集同样三种来源，也可以按比例从训练集切。按比例切不会多算 token，和训练集一起算总量。还可以混入预置数据，并打开数据容错。加密用平台默认密钥或自己的密钥，自定义密钥走火山 KMS，另外计费。

提交后在任务详情看概览、训练观测、日志、时间线、模型产出和精调安全。状态通知可以接到电话、短信、邮件、飞书、企业微信、钉钉、Slack、回调、运维编排、日志服务或 Kafka。产物进模型仓库之后，才能做量化、体验、评测、在线推理和批量推理。

训完怎么用，看流量和产物类型

在线推理有两条。模型单元要独占资源，库存可能买不到；全量精调产物可以直接买，LoRA 产物要先压缩。按 token 后付费只覆盖部分模型的 LoRA，不用压缩，走公共资源池，文档写性能和稳定性保障较弱，价格是基座推理的 2 到 2.5 倍，适合小流量试效果。批量推理用夜间闲时，白天高峰可能没进度；全量产物可以直接跑，LoRA 也要先压缩。

LoRA 在大多数场景可以到全量效果的 98% 以上，这是文档的经验说法，不是本页的对照实验表。文本向量化模型支持 SFT，具体模型以控制台为准。继续预训练、强化学习和更多模型要另开工单。

效果差先查三件事

训练用潮汐闲时资源，主要在夜间跑，白天可能被在线负载抢走。任务多时可能一整天没有进度，进度看时间线。

SFT、DPO、CPT 默认开 dyn_bsz，把多个样本尽量填满序列长度。一个 batch 的 token 大约是序列长度乘 batch size。样本少到不能关这个开关时，要提交工单。

效果不好，常见是 step 少于 50，或者 epoch 太多、loss 过低导致过拟合。也要核对训练和推理的格式是否一致：thinking 训练缺了 reasoning content，或函数调用带错 tools，都会训歪。排查后仍像系统或镜像问题，再提交工单。

字节跳动，火山方舟，模型精调概述，2026-10-03，https://www.volcengine.com/docs/ark/fine-tuning-overview