分析评测结果并优化模型

根据模型评测结果优化

微调的核心目标是在一个已经训练好的基座模型上，使用特定的数据提升模型在某个特定的任务或领域的表现，期望模型能够吸收新知识的同时，不遗忘原有的通用能力。

因此，评价一个模型好坏的核心思想是：“收益有多大，代价有多高？”

首先针对模型的领域能力，需要对比微调前后模型在领域评测集上的性能提升是否符合预期，当前模型领域能力是否满足真实场景要求。其次针对模型的通用能力，需要对比模型的综合知识是否发生遗忘，文本理解能力是否有下降等。

• 符合预期：如果模型的领域能力符合预期，可以在真实场景中使用，且模型的通用能力只有小幅度下降。那么考虑基于保存的checkpoint进行领域微调，进一步强化模型的问答能力，并对齐回答格式。
• 不符合预期：
  • 如果模型的领域能力没有达到预期，可以首先检查领域数据中是否存在低质量数据，这部分数据往往对模型的危害较大，需要进一步进行加工处理，提升数据的质量。在保证数据的质量达到要求的情况下，可以进一步增加领域数据的比例，如果领域数据的数据量很小，则可以适当对领域数据进行上采样，从而提高模型的领域能力。
  • 如果模型的领域能力相比增量预训练前没有明显提升，可能是该部分领域数据在预训练的时候已经被模型学习过了，可以对领域数据集进行进一步的筛选与去重，保证知识的差异化。
  • 如果模型的通用能力下降较为严重，则考虑增加通用指令数据的比例，同时提高数据集的质量。
  • 如果模型对于与训练集同源的评测集的指标得分不高，则可以考虑适当增加模型的训练轮数。

调优案例说明

以催收意图识别为例，该场景需要识别以下6种不同意图：

• 咨询：通常是一般性问题询问或请求客服帮助解决问题。
• 投诉：当用户对服务、产品或处理不满，明确要求作为投诉问题来处理。
• 表扬：用户称赞服务。
• 建议：用户提出改进建议。
• 催复：在银行业务的工单分类中，“催复”通常指客户或内部人员针对某一未及时得到回复的工单（如咨询、投诉、建议等）发起的催促请求，目的是要求银行加快处理进度或明确答复时限。
• 投诉撤销：撤回之前的投诉。

我们发现，在获取数据的过程中， 强调了明确要求作为投诉问题来处理才算作投诉意图，但是获取蒸馏数据的过程中，模型依然倾向于将用户的抱怨识别为投诉意图，而非咨询意图。

优化方案：使用多次拒绝采样和提示样结合的方式， 增加蒸馏数据的意图识别准确性， 并通过规则校验模型答复结果是否正确，过滤掉模型答复错误的样例。 最终，模型学会了以合理的方式思考并回答该问题。

优化后， 模型的分析过程明显完全符合您期望的方向， 以下为训练过后，模型的思考过程：

用户说：“不是着急用啊的钱。” 这表达了不满，但不满是隐含的，没有明确投诉。

在投诉定义中：用户对服务不满，明确要求作为投诉处理。用户没有说“我要投诉”，所以可能不是投诉。

用户是在报告问题，请求帮助，所以可能还是咨询。