調優資料上傳規則 - Alibaba Cloud Model Studio

概述

本文檔闡述文本產生模型調優資料的格式規格、打包要求、大小與數量限制及 API 上傳配額。適用範疇為文本產生模型調優（text/image/video → text），涵蓋純文字 SFT/DPO/CPT、千問 VL 圖片與視頻理解、視頻抽幀、工具調用（function calling）與深度思考（thinking）。視頻產生模型調優（image → video）不屬於本範疇。資料集類型（訓練集或評測集）建立後不可變更。各訓練方式與元素的支援情況詳見訓練方式與元素支援矩陣，各組合的格式構造規則見下文對應章節。

發布與刪除操作無法復原：發行版本不可再編輯，僅草稿版本可刪除或線上編輯；資料集類型建立後不可變更。切換類型、情境或訓練方式會清空已上傳檔案。

管理類操作（建立參數、版本管理、評測集管理規則、匯入方式選型、資料清洗、安全合規）引導到同級文檔，詳見訓練集與評測集、模型調優簡介等。建議在建立資料集頁面下載對應情境的資料範本，按模板結構準備資料可避免匯入失敗。資料集構建建議（推薦資料規模、多樣性與均衡、資料擴充策略）詳見模型調優簡介-資料集構建技巧。

訓練方式與元素支援矩陣

訓練集支援 SFT、DPO、CPT 三種訓練方法，各訓練方式與元素的支援情況見下文矩陣表。調優推薦順序為 CPT（可選）→ SFT → DPO（可選），三者遞進非互斥。地區可用性：

SFT、本地上傳、日誌迴流、API 上傳、多模態資料格式全地區支援。
DPO、CPT、OSS 匯入、雲端儲存掛載僅支援北京地區。

訓練方式與元素的支援矩陣如下：

訓練方式	文本產生	視覺理解-圖片輸入	視覺理解-視頻輸入（qwen3.5+）	視覺理解-工具調用（qwen3.5+）	深度思考
SFT	✓	✓	✓	✓	✓
DPO	✓	✗	✗	✗	✓
CPT	✓	✗	✗	✗	✗
評測集	✓	✗	✗	✗	✗

各訓練方式版本新增時的資料繼承策略如下（CPT 不支援繼承已有資料，每次新增版本均需建立）：

資料繼承策略	SFT	DPO	CPT
繼承已有資料	✓	✓	✗
建立新資料	✓	✓	支援（強制建立）

訓練方法 SFT/DPO/CPT 欄位定義詳見模型調優簡介。

文本產生 - SFT 格式

SFT 文本產生訓練資料採用 jsonl 檔案格式，基於 ChatML messages 多輪結構。

支援 system、user、assistant 三種角色，content 欄位為字串（多模態情境的 content 數組結構見對應多模態格式章節）。
單檔案大小上限 200 MB。
一個資料集可混合不同格式行——每條記錄獨立選格式，無需統一為單一格式。
可選格式：普通對話、深度思考、工具調用、工具與思考組合（見下方標籤頁範例）。

SFT 文本產生支援以下範例格式，各範例的完整 JSON 結構見對應標籤頁：

普通 ChatML
深度思考（thinking）
工具調用（function calling）

普通 ChatML 格式範例（system/user/assistant 多輪對話）：

{
  "messages": [
    {"role": "system", "content": "系統輸入1"},
    {"role": "user", "content": "使用者輸入1"},
    {"role": "assistant", "content": "期望的模型輸出1"},
    {"role": "user", "content": "使用者輸入2"},
    {"role": "assistant", "content": "期望的模型輸出2"}
  ]
}

進階用法

支援loss_weight參數，取值範圍 (0.0, 1.0]，數值越大代表訓練時該條資料的重要性越高。
預設支援 Qwen3.5 及以上版本模型；如需支援 Qwen3、Qwen2.5 系列模型，請聯絡商務經理。

{"role": "assistant", "content": "期望的模型輸出", "loss_weight": "1.0"}

深度思考（thinking）格式範例（思考標籤放最後一條 assistant，前後換行必須保留）：

{
  "messages": [
    {"role": "system", "content": "系統輸入1"},
    {"role": "user", "content": "使用者輸入1"},
    {"role": "assistant", "content": "模型輸出1"},
    {"role": "user", "content": "使用者輸入2"},
    {"role": "assistant", "content": "<think>\n期望的思考內容2\n</think>\n\n期望的輸出2"}
  ]
}

思考模式格式說明

深度思考內容用 <think>\n…\n</think>\n\n 標籤包裹，置於 assistant 輸出文本內（與最終回覆同屬最後一條 assistant 的 content）。規則：

只能放在最後一條 assistant 輸出中；中間的 assistant 輸出不加思考標籤。
思考標籤前後的分行符號必須保留。
若訓練樣本設定模型不輸出思考標籤，訓練完成後不建議再開啟思考模式調用。

評測集格式

評測集僅服務文本產生情境，與 SFT/DPO/CPT 訓練方式無關——DPO/CPT 訓練後的模型同樣使用文本產生評測集進行評測，不區分訓練方式。評測集規格：

檔案格式 xlsx，列結構見控制台下載模板。
入庫方式：本地上傳、日誌迴流；不支援Object Storage Service匯入與雲端儲存掛載。
僅草稿版本支援線上編輯（Prompt/Completion），發行版本不可編輯。

本地上傳檔案格式為 xlsx（列結構見控制台下載模板），每條評測資料為一組 Prompt/Completion 內容，樣本如下：

{"prompt": "誰在文藝複興時期繪製人體?", "completion": "文藝複興時期是一個關於藝術、文化和學術的複興運動,在這個時期,許多藝術家都繪製了人體。"}
{"prompt": "為什麼太陽會發光發熱?", "completion": "太陽是由氫原子核在高溫高壓下聚變而產生的巨大能量。這種聚變反應釋放出大量的光和熱能。"}
{"prompt": "為什麼天空是藍色的?", "completion": "陽光照射到地球大氣層中時,波長較短的藍光會被大氣中的氣體分子散射開來,形成我們看到的藍天。"}

日誌迴流入庫限制：

支援日誌範圍為最近 30 天內。
單次匯入上限 10 萬條。
需授權服務關聯角色並指定 API Key 與模型篩選條件。
訓練集僅 SFT 文本產生情境可用（評測集文本產生亦支援）。

日誌迴流匯入方式詳情見日誌迴流。評測集應準備資料不重疊的獨立集合，用於客觀評估模型泛化能力。評測集管理規則詳見訓練集與評測集。

文本產生 - DPO 格式

DPO 文本產生訓練資料採用 jsonl 格式，基於 ChatML messages 多輪結構，額外含 chosen 與 rejected 兩條對比的 assistant 輸出，用於偏好對齊訓練。messages 內的所有內容均作為輸入，DPO 用於訓練模型對最後一條 user 輸入的正負反饋。messages 多輪結構規則見文本產生 - SFT 格式。針對深度思考內容，chosen 或 rejected 的 assistant 輸出可使用思考標籤包裹，思考標籤只能放最後一條 assistant 行，規則見文本產生 - SFT 格式。 loss_weight （邀測）參數支援 chosen 模組，取值範圍 0.0 至 1.0，數值越大訓練重要性越高，詳見文本產生 - SFT 格式。 DPO 訓練資料單檔案大小上限為 200 MB，與 SFT 文本產生一致。DPO 定義詳見模型調優簡介，草稿與發佈動作見訓練集與評測集。 DPO 文本產生訓練資料範例見下文代碼塊：

普通 ChatML
深度思考（thinking）

普通 chosen/rejected 對比格式範例（兩條對比的 assistant 輸出）：

{
  "messages": [
    {"role": "system", "content": "系統輸入"},
    {"role": "user", "content": "使用者輸入1"},
    {"role": "assistant", "content": "模型輸出1"},
    {"role": "user", "content": "使用者輸入2"},
    {"role": "assistant", "content": "模型輸出2"},
    {"role": "user", "content": "使用者輸入3"}
  ],
  "chosen": {"role": "assistant", "content": "贊同的模型期望輸出3"},
  "rejected": {"role": "assistant", "content": "反對的模型期望輸出3"}
}

思考標籤格式範例（深度思考內容用思考標籤包裹，放最後 assistant）：

{
  "messages": [
    {"role": "system", "content": "系統輸入"},
    {"role": "user", "content": "使用者輸入1"},
    {"role": "assistant", "content": "模型輸出1"},
    {"role": "user", "content": "使用者輸入2"}
  ],
  "chosen": {"role": "assistant", "content": "<think>\n期望的思考內容\n</think>\n\n期望的模型輸出"},
  "rejected": {"role": "assistant", "content": "反對的模型期望輸出2"}
}

文本產生 - CPT 格式

CPT 文本產生訓練資料採用 jsonl 純文字格式，每行一個 jsonl 對象，結構為 {text}，text 欄位為純文字內容。messages 多輪結構規則見文本產生 - SFT 格式。 CPT 訓練資料約束：

建議至少 5000 萬 Token，單檔案大小上限 300 MB。
不支援草稿狀態與資料繼承，每次新增版本均需建立資料並立即發布。

CPT 定義詳見模型調優簡介，版本管理與資料繼承操作見訓練集與評測集。CPT 純文字範例完整 JSON 結構見下文代碼塊。 {text} 純文字格式範例（每行一個 jsonl 純文字對象）：

{
  "text": "常值內容"
}

視覺理解-SFT 格式

SFT 圖片訓練資料用於千問 VL 多模態理解（控制台 UI 選項為「圖片理解」）情境，採用 zip 壓縮包格式，包含 data.jsonl 訓練文本資料檔案與圖片檔案。data.jsonl 須置於壓縮包根目錄，data.jsonl 中每條訓練資料的 messages 採用 content 數組結構，數組項含圖片欄位（image）與文字欄位（text）。推薦使用單層目錄結構，打包規則詳見多模態壓縮包打包規則。

圖片輸入限制
視頻輸入限制

圖片准入限制如下：

單張圖片寬度和高度均不超過 1024 px。
單張圖片不超過 10 MB。
支援格式：bmp、jpeg、jpg、png、tif、tiff、webp。

resized_width 與 resized_height 為可選的目標縮放控制參數，用於指定圖片目標縮放尺寸，非圖片准入上限。圖片准入上限為寬高不超過 1024 px、單張不超過 10 MB。圖片准入具體數值以控制台實際展示為準。圖片消耗 token 計算詳見映像與視頻理解-計費與限流。

僅 qwen3.5 及以後的多模態模型支援。支援兩種視頻輸入模式：

視頻檔案路徑模式：video 欄位為字串（如 "video1.mp4"），由平台處理抽幀。適用於使用完整視頻檔案的情境。
圖片幀列表模式：video 欄位為圖片檔案名稱列表（如 ["0.jpg","1.jpg"]），使用者自行準備幀序列。適用於已有抽幀圖片的情境。

訓練資料中的圖片與視頻須同時滿足模型調用的輸入限制（如映像解析度、視頻時間長度、幀率等），調用限制詳見視頻限制。

視頻消耗 token 計算詳見映像與視頻理解-計費與限流。兩種模式的欄位對比與範例見下文：

欄位/參數	視頻檔案路徑模式	圖片幀列表模式
video	str（視頻檔案路徑，必填）	List[str]（圖片幀列表，必填）
sample_fps	不適用	float（[0.1, 10]，預設 2.0，可選）
fps	float（[0.1, 10]，預設 2.0，可選）	不適用
resized_width	int（縮放寬度，可選）	int（縮放寬度，可選）
resized_height	int（縮放高度，可選）	int（縮放高度，可選）
video_start	float（截取起始時間，可選）	不適用
video_end	float（截取結束時間，可選）	不適用

SFT 圖片訓練範例見下文標籤頁：

普通 ChatML 格式範例（system/user/assistant 多輪對話）：

{
  "messages": [
    {"role": "system", "content": [{"text": "系統輸入1"}]},
    {"role": "user", "content": [{"text": "使用者輸入1"}]},
    {"role": "assistant", "content": [{"text": "期望的模型輸出1"}]},
    {"role": "user", "content": [{"text": "使用者輸入2"}]},
    {"role": "assistant", "content": [{"text": "期望的模型輸出2"}]}
  ]
}

深度思考（thinking）格式範例（思考標籤放最後一條 assistant，前後換行必須保留）：

{
  "messages": [
    {"role": "system", "content": [{"text": "系統輸入1"}]},
    {"role": "user", "content": [{"text": "使用者輸入1"}]},
    {"role": "assistant", "content": [{"text": "模型輸出1"}]},
    {"role": "user", "content": [{"text": "使用者輸入2"}]},
    {"role": "assistant", "content": [{"text": "<think>\n期望的思考內容2\n</think>\n\n期望的輸出2"}]}
  ]
}

qwen3.5+的模式支援使用工具調用資料格式。

工具調用（function calling）格式範例（tools 定義 + messages 多輪含 tool 角色，tool_call_id 一一對應）：

{
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "get_weather",
        "description": "查詢指定城市的即時天氣",
        "parameters": {
          "type": "object",
          "properties": {
            "city": {"type": "string", "description": "城市名稱，例如：北京"}
          },
          "required": ["city"]
        }
      }
    }
  ],
  "messages": [
    {"role": "user", "content": [{"text": "幫我查一下北京的天氣"}]},
    {
      "role": "assistant",
      "content": [{"text": "好的，我來幫您查詢北京的天氣。"}],
      "tool_calls": [
        {
          "id": "call_3a11c1ba883b41b6a4e0cb",
          "type": "function",
          "function": {
            "name": "get_weather",
            "arguments": "{\"city\": \"北京\"}"
          }
        }
      ]
    },
    {"role": "tool", "tool_call_id": "call_3a11c1ba883b41b6a4e0cb", "content": [{"text": "{\"city\": \"北京\", \"weather\": \"晴\", \"temperature\": \"25℃\"}"}]},
    {"role": "assistant", "content": [{"text": "北京今天天氣晴朗，氣溫 25℃，適合出行。"}]}
  ]
}

圖片加文字格式設定範例（content 數組含圖片項與文本項）：

{
  "messages": [
    {"role": "system", "content": [{"text": "系統輸入"}]},
    {
      "role": "user",
      "content": [
        {"text": "使用者輸入1"},
        {"image": "影像檔名1.jpg", "resized_width": 200, "resized_height": 200}
      ]
    },
    {"role": "assistant", "content": [{"text": "期望的模型輸出1"}]}
  ]
}

視頻檔案路徑模式格式範例（video 欄位為視頻檔案路徑字串）：

{
  "messages": [
    {"role": "system", "content": [{"text": "系統輸入"}]},
    {
      "role": "user",
      "content": [
        {"text": "使用者輸入1"},
        {"video": "視頻檔案名稱1.mp4", "fps": 3.0, "resized_width": 200, "resized_height": 200, "video_start": 0.0, "video_end": 3.0}
      ]
    },
    {"role": "assistant", "content": [{"text": "期望的模型輸出1"}]}
  ]
}

圖片幀列表模式格式範例（video 為幀列表，含 sample_fps）：

{
  "messages": [
    {"role": "system", "content": [{"text": "系統輸入"}]},
    {
      "role": "user",
      "content": [
        {"text": "使用者輸入2"},
        {"video": ["0.jpg", "1.jpg", "2.jpg", "3.jpg"], "sample_fps": 5.0, "resized_width": 200, "resized_height": 200}
      ]
    },
    {"role": "assistant", "content": [{"text": "期望的模型輸出2"}]}
  ]
}

多模態理解定義詳見模型調優簡介。

工具調用格式說明

工具調用（function calling）模式在 messages 多輪結構基礎上增加 tools 定義與 tool_calls/role:tool 機制，欄位約束如下：

tools：工具定義數組，每項含 type:"function" 與 function{name, description, parameters}；parameters 為 JSON Schema（含 type/properties/required）。
messages：多輪對話數組，角色含 user、assistant、tool。
content：多模態內容數組，可含 image、text、video 等項（與多模態理解格式一致）。
assistant.tool_calls：模型產生的工具調用數組，含 id、type:"function"、function{name, arguments}；arguments 為 JSON 字串。
role:"tool"：工具返回，tool_call_id 必須與對應 tool_calls[].id 一一對應，content 內為工具返回結果。

多輪對話最後一條通常為 assistant 基於工具返回的最終回覆。百鍊不支援 OpenAI 的 name、weight 參數，所有 assistant 輸出都會被訓練。從 OpenAI/Azure 遷移的訓練資料不可攜帶 name/weight 欄位。資料多樣性與均衡性建議：各情境資料數量應相對均衡，資料比例符合實際情境比例，避免某一類資料過多導致模型偏向於學習該類特徵，影響泛化能力。

思考模式格式說明

深度思考內容用 <think>\n…\n</think>\n\n 標籤包裹，置於 assistant 輸出文本內（與最終回覆同屬最後一條 assistant 的 content）。規則：

只能放在最後一條 assistant 輸出中；中間的 assistant 輸出不加思考標籤。
思考標籤前後的分行符號必須保留。
若訓練樣本設定模型不輸出思考標籤，訓練完成後不建議再開啟思考模式調用。

多模態壓縮包打包規則

多模態理解訓練資料以 zip 壓縮包形式通過新增数据集頁面上傳，打包須滿足以下約束：

壓縮包最大支援 2 GB。
包內檔案夾與檔案名稱允許的字元集為 ASCII 字母（a-z、A-Z）、數字（0-9）、底線（_）、連字號（-）。
訓練文本資料檔案固定為 data.jsonl，必須位於壓縮包根目錄——確保壓縮後開啟 zip 檔案直接看到 data.jsonl，外層不能再包裹檔案夾。

圖片或視頻檔案名稱應在壓縮包內全域唯一，即使分布在不同檔案夾中。data.jsonl 內只需聲明檔案名稱而非檔案路徑——正確樣本：image1.jpg；錯誤樣本：jpg_folder/image1.jpg。雲端儲存掛載不支援 zip 壓縮包。使用雲端儲存掛載載入資料集時，須將未經壓縮的資料集檔案夾整體上傳到 OSS Bucket，通過 MountStorage 的 file_path 指定 data.jsonl 檔案路徑；包含多檔案時只需指定 data.jsonl 路徑，其餘同目錄檔案自動掛載。雲端儲存掛載詳見使用 API 進行模型調優。命名樣本與目錄結構見下文代碼塊。雲端儲存掛載授權操作見在控制台進行模型調優，OSS 匯入 Bucket 標籤打標操作見訓練集與評測集。

# 單層目錄（推薦）
Trainingdata_vl.zip
  |--- data.jsonl        # 必須在根目錄，外層不再包裹檔案夾
  |--- image1.png
  |--- video1.mp4

# data.jsonl 內聲明檔案名稱（非路徑）
# 正確：image1.jpg
# 錯誤：jpg_folder/image1.jpg

前往控制台新增資料集頁面上傳多模態壓縮包並完成打包校正。

檔案大小與數量限制

本地上傳檔案大小與數量上限按訓練方式分情境設定，詳見下文分情境表。圖片准入限制見視覺理解-SFT 格式，評測集格式限制見評測集格式，日誌迴流入庫限制見評測集格式。 max_length 取值區間 500 至 131072 為訓練序列長度配置參數，非上傳准入上限。單條訓練資料上傳准入大小上限以控制台頁面展示為準。本地上傳檔案大小與數量上限按訓練方式分情境設定，推薦資料量為最低建議值：

訓練方式/情境	單檔案大小上限	檔案數量上限(maxCount)	推薦資料量
文本產生 - SFT 格式	200 MB	10（預設）	至少上千條
文本產生 - DPO 格式	200 MB	10（預設）	至少上百條
文本產生 - CPT 格式	300 MB	1	至少 5000 萬 Token
多模態（zip）	2 GB	1	根據實際情境準備充足樣本
檔案名稱（不含尾碼）	≤120 字元且不重名	—	—
副檔名	須在新增資料集列表中	—	—

API 上傳配額

通過 DashScope API 上傳調優檔案（用途標記為模型調優）的配額見下文配額表。控制台建立資料集時，File API 列表最多支援 10 個檔案合并註冊；通過 API 上傳的調優檔案在控制台模型調優頁面與 API 呼叫中均可見可用。雲端儲存掛載載入資料集的約束：

通過 MountStorage 的 file_path 指定 data.jsonl 根目錄清單路徑，不支援 zip 壓縮包。
選擇雲端儲存掛載儲存位置時強制立即發布，不支援草稿狀態。
掛載前需授權百鍊服務訪問 OSS 資料。

超限承接與加密：

單檔案超過 300 MB：通過雲端儲存掛載或多模態 ZIP 2 GB 通道上傳。
總配額超額：刪除歷史檔案釋放空間。
匯入資料自動啟用 OSS 服務端加密（SSE-OSS，AES256）。

API 呼叫、認證、SDK、錯誤碼、MountStorage 欄位細節見使用 API 進行模型調優。 API 上傳調優檔案配額如下：

配額項	限制值	說明
單檔案大小	不超過 300 MB	調優檔案（模型調優用途）
有效檔案總空間	100 GB	未刪除檔案累計
有效檔案總數量	10000 個	未刪除檔案累計
檔案儲存體時間長度	無時間限制	不自動到期
File API 列表上限	10 個	控制台建立資料集時合并註冊

OSS 匯入與雲端儲存掛載的差異對比如下：

維度	OSS 匯入	雲端儲存掛載
前置條件	百鍊資料訪問授權標籤	授權百鍊服務訪問 OSS 資料
資料形態	單個或批量檔案	未經壓縮的資料集檔案夾整體（不支援 zip）
入口	資料管理 > 新增資料集 > OSS 匯入	模型調優 > 建立訓練任務 > 資料配置 > 資料集掛載
版本草稿	支援草稿與立即發布	強制立即發布（不支援草稿）
評測集	✗	✗

上傳校正與常見錯誤

在新增数据集頁面本地上傳檔案時，前端校正會拒絕不符合準入規則的檔案並彈出提示。常見校正拒絕與上傳出錯情境見下文摺疊項：

Details

問題：上傳檔案時前端提示檔案數量超過上限，檔案被拒絕上傳。定位：maxCount 按訓練方式設定——SFT/DPO 文本預設 10，多模態 zip 與 CPT 為 1。上傳檔案數超過對應訓練方式的上限即被前端拒絕。處置：按以下方式調整後重傳：

核對當前訓練方式對應的 maxCount 上限，詳見檔案大小與數量限制。
減少檔案數至上限內；多模態資料合併為單個 zip，CPT 資料合併為單個 jsonl。
檔案數仍超限時拆分為多個資料集分批上傳。

Details

問題：檔案名稱（不含尾碼）長度超過 120 字元，前端拒絕上傳。定位：檔案名稱不含尾碼上限 120 字元，且須僅含 ASCII 字母、數字、底線、連字號。處置：按以下方式調整後重傳：

重新命名檔案，使檔案名稱（不含尾碼）縮短至 120 字元以內。
僅使用 a-z/A-Z/0-9/_/- 字元，去除中文及其他非 ASCII 字元。
多模態壓縮包內檔案名稱還須全域唯一。

Details

問題：檔案名稱（不含尾碼比對）重複，前端拒絕上傳。定位：同一資料集內檔案名稱不含尾碼須唯一，比對時忽略副檔名。處置：按以下方式調整後重傳：

排查重名檔案，重新命名使其不含尾碼部分唯一。
同名不同副檔名的檔案（如 image.jpg 與 image.png）也會被判重名，須同時區分。
多模態 zip 內檔案名稱須全域唯一，即使分布在不同檔案夾。

Details

問題：單檔案大小超過對應訓練方式上限，前端拒絕上傳。定位：單檔案大小上限按訓練方式分情境——SFT/DPO 文本 200 MB、多模態 zip 2 GB、CPT 300 MB。處置：按以下方式調整後重傳：

核對檔案大小是否超過對應訓練方式上限。
拆分 jsonl 為多個檔案分批上傳（SFT/DPO）；CPT 資料拆分需建立多個資料集。
單檔案超 300 MB 的承接方式見API 上傳配額。

Details

問題：副檔名不在 supportedExtension 列表，前端彈出 warning 並拒絕上傳。定位：副檔名須在支援列表內——文本訓練用 jsonl，評測集用 xlsx，多模態圖片支援 bmp/jpeg/jpg/png/tif/tiff/webp，多模態視頻支援 mp4 等格式。處置：按以下方式調整後重傳：

核對副檔名是否在對應情境的支援列表內。
將檔案轉換為支援的副檔名後重新打包上傳。
多模態 zip 內圖片與視頻副檔名須逐一符合，否則整包匯入失敗。

Details

問題：OSS 上傳過程中檔案被置為 error 狀態，上傳未完成。定位：常見原因為 Bucket 標籤缺失、百鍊服務訪問 OSS 授權異常或檔案格式不符。處置：按以下方式排查後重試：

核對 OSS Bucket 已添加百鍊資料訪問授權標籤。
確認已授權百鍊服務訪問 OSS 資料。
檢查 data.jsonl 與檔案格式符合打包規則後重試上傳，詳見多模態壓縮包打包規則。

無法復原操作風險提示：

發布與刪除操作均無法復原；發行版本不可再編輯，僅草稿版本可刪除或線上編輯。
資料集類型（訓練集/評測集）建立後不可變更、不可互換，選錯需建立資料集重新匯入全部資料。
切換資料集類型、訓練情境、訓練方式時會清空已上傳檔案並重設儲存位置與匯入方式。

驗證集自動切分會從訓練集中隨機抽取 10% 資料作為驗證集，減少實際訓練資料量。小資料集建議選擇獨立驗證集，驗證集配置操作見在控制台進行模型調優。建議先下載對應情境的資料範本，按模板結構準備資料可避免匯入失敗，資料範本下載建議見概述。常見問題排障詳見下文摺疊項。草稿資料清洗與增強操作見，安全合規資料領域見。上傳校正失敗時，可前往控制台新增資料集頁面核對檔案格式與准入規則。

​概述

​訓練方式與元素支援矩陣

​文本產生 - SFT 格式

進階用法

​思考模式格式說明

​評測集格式

​文本產生 - DPO 格式

​文本產生 - CPT 格式

​視覺理解-SFT 格式

​工具調用格式說明

​思考模式格式說明

​多模態壓縮包打包規則

​檔案大小與數量限制

​API 上傳配額

​上傳校正與常見錯誤

概述

訓練方式與元素支援矩陣

文本產生 - SFT 格式

思考模式格式說明

評測集格式

文本產生 - DPO 格式

文本產生 - CPT 格式

視覺理解-SFT 格式

工具調用格式說明

思考模式格式說明

多模態壓縮包打包規則

檔案大小與數量限制

API 上傳配額

上傳校正與常見錯誤