行业与实践 · 研究与基准测试

研究与基准测试/2026-10-03/7 分钟

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

火山方舟精调按方法卡样本量：SFT 几百条，DPO 和强化学习大约一百条，继续预训练至少一千万 token。验证集按比例切不另计 token。step 少于 50 是效果差的常见原因。原文没有准确率。