Finetuning self-cognition not working

[lichenyigit]

你好我要微调数据。现在用【我是谁】来做测试数据。 微调之后，感觉没有一点效果。 还请看一下什么问题？

数据集如下： 0.json

微调脚本如下： torchrun --nproc_per_node 1 src/train_bash.py \ --stage sft \ --model_name_or_path ShengbinYue/DISC-LawLLM \ --do_train \ --dataset yiqi \ --template baichuan2 \ --finetuning_type lora \ --lora_rank 8 \ --lora_target W_pack \ --output_dir output_checkpoint\ --overwrite_cache \ --per_device_train_batch_size 4 \ --per_device_eval_batch_size 4 \ --gradient_accumulation_steps 8 \ --preprocessing_num_workers 16 \ --lr_scheduler_type cosine \ --logging_steps 10 \ --save_steps 100 \ --eval_steps 100 \ --learning_rate 1e-4 \ --max_grad_norm 0.5 \ --num_train_epochs 3000.0 \ --evaluation_strategy steps \ --load_best_model_at_end \ --plot_loss \ --fp16 \ --val_size 0.01

导出脚本如下： python src/export_model.py \ --model_name_or_path ShengbinYue/DISC-LawLLM \ --template baichuan2 \ --finetuning_type lora \ --checkpoint_dir output_checkpoint \ --export_dir export_model

[Charlie-XIAO]

DISC-LawLLM has been training on self-cognition. This behavior may be very hard to override, at least not possible with only ~10 data.

[lichenyigit]

需要多少个数据才会有效果呢？

[lichenyigit]

@Charlie-XIAO 可以抽空回答一下问题吗？

[Charlie-XIAO]

@lichenyigit I have no exact answer for this, but there may need to be at least hundreds.

[lichenyigit]

后来，又进行了10000次训练力度，还是没有效果。请问是哪个步骤出了问题？ 数据集： 新闻Q&A.json 训练脚本：

torchrun --nproc_per_node 1 src/train_bash.py \
    --stage sft \
    --model_name_or_path ShengbinYue/DISC-LawLLM \
    --do_train \
    --dataset yiqi5-fun \
    --template baichuan2 \
    --finetuning_type lora \
    --lora_rank 8 \
    --lora_target W_pack \
    --output_dir /home/DISC-output-checkpoint \
    --overwrite_output_dir \
    --overwrite_cache \
    --per_device_train_batch_size 4 \
    --per_device_eval_batch_size 4 \
    --gradient_accumulation_steps 8 \
    --preprocessing_num_workers 16 \
    --lr_scheduler_type cosine \
    --logging_steps 10 \
    --save_steps 100 \
    --eval_steps 100 \
    --learning_rate 1e-5 \
    --max_grad_norm 0.5 \
    --num_train_epochs 10000.0 \
    --evaluation_strategy steps \
    --load_best_model_at_end \
    --plot_loss \
    --fp16 \
    --val_size 0.01

@Charlie-XIAO

[Charlie-XIAO]

Moving to #29, closing this one as completed.