Qwen微调干货！对话、指令、Function Call、思考链数据集构造全流程揭秘！
前言在大模型微调的实践中如何构建和选择微调数据集是决定微调效果最关键的因素之一。目前社区已经积累了大量优秀的微调框架和开放数据集。在很多通用场景中开发者只需按需组合不同的框架与数据集就能完成基础微调。但随着模型功能越来越复杂如支持Function Calling、具备推理能力甚至是混合推理能力Reasoning Tool Use常规数据集的适配能力也逐渐变得捉襟见肘。例如若想围绕 Qwen模型强化其 Function Calling 能力同时保持其复杂推理结构不被破坏此时很多公开数据集就难以胜任。又如当你希望模型聚焦某个特定领域的专业知识或者精准调用一组特定 API 工具时也必须构造自定义微调数据集。Qwen 模型的控制 token 与对话模板机制Qwen 系列模型使用ChatML 格式并通过控制 token 来实现对生成流程的细致控制。其关键机制如下控制 token在文本序列中插入的特殊符号用于标记段落、文档边界、对话结构、工具调用等。例如|endoftext|表示文档结束tool_call和/tool_call包裹工具调用内容|im_start|和|im_end|用于定义对话轮次。统一词表体系Qwen2.5 起所有子模型包括多模态模型使用统一词汇表共计22 个控制 token词表总规模达 151,665。对话模板结构Qwen 使用 ChatML 格式表示对话格式如下|im_start|{{role}} {{content}}|im_end|user用户输入角色assistant模型生成角色system元信息角色如设定模型身份或风格默认值为示例对话片段|im_start|system You are Qwen, created by Alibaba Cloud. You are a helpful assistant.|im_end||im_start|user hello|im_end||im_start|assistant Hello! How can I assist you today? ...|im_end|通常大家看到的对话微调数据格式如下适用于结构化对话训练[ { instruction: 用户问题, input: 输入上下文可为空, output: 期望模型输出 }]适用于 ChatML 模型微调精确控制每轮角色与内容|im_start|system You are Qwen...|im_end||im_start|user 请解释大语言模型|im_end||im_start|assistant 好的我来用儿童的方式解释...|im_end||endoftext|指令 Function Calling 数据格式|im_start|user 查询今天上海天气|im_end||im_start|assistanttool_call{name:getWeather,arguments:{location:Shanghai}}/tool_call|im_end|通用模型能力越强对数据格式的要求越高。若希望打造具备复杂任务处理能力的模型“数据工程”远比模型选择本身更重要。建议开发者根据目标任务特性选择标准数据集进行预热训练然后使用小规模、高质量的自定义数据集进行精调特别是在 Function Calling 与多轮推理任务中务必使用 ChatML 格式精准标注角色与意图。更多信息参考下面的思维导图最后的最后感谢你们的阅读和喜欢作为一位在一线互联网行业奋斗多年的老兵我深知在这个瞬息万变的技术领域中持续学习和进步的重要性。为了帮助更多热爱技术、渴望成长的朋友我特别整理了一份涵盖大模型领域的宝贵资料集。这些资料不仅是我多年积累的心血结晶也是我在行业一线实战经验的总结。这些学习资料不仅深入浅出而且非常实用让大家系统而高效地掌握AI大模型的各个知识点。如果你愿意花时间沉下心来学习相信它们一定能为你提供实质性的帮助。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】大模型知识脑图为了成为更好的 AI大模型 开发者这里为大家提供了总的路线图。它的用处就在于你可以按照上面的知识点去找对应的学习资源保证自己学得较为全面。经典书籍阅读阅读AI大模型经典书籍可以帮助读者提高技术水平开拓视野掌握核心技术提高解决问题的能力同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说阅读经典书籍是非常有必要的。实战案例光学理论是没用的要学会跟着一起敲要动手实操才能将自己的所学运用到实际当中去这时候可以搞点实战案例来学习。面试资料我们学习AI大模型必然是想找到高薪的工作下面这些面试题都是总结当前最新、最热、最高频的面试题并且每道题都有详细的答案面试前刷完这套面试题资料小小offer不在话下640套AI大模型报告合集这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】