大佬，问一下，多轮对话的数据组织形式是什么？

[mymusise]

可以参考下官方ptuning的例子

[cristianohello]

@mymusise

官方的多轮对话例子是这样的： 对话数据集 如需要使用多轮对话数据对模型进行微调，可以提供聊天历史，例如以下是一个三轮对话的训练数据：

{"prompt": "长城h3风扇不转。继电器好的。保险丝好的传感器新的风扇也新的这是为什么。就是继电器缺一个信号线", "response": "用电脑能读数据流吗？水温多少", "history": []} {"prompt": "95", "response": "上下水管温差怎么样啊？空气是不是都排干净了呢？", "history": [["长城h3风扇不转。继电器好的。保险丝好的传感器新的风扇也新的这是为什么。就是继电器缺一个信号线", "用电脑能读数据流吗？水温多少"]]} {"prompt": "是的。上下水管都好的", "response": "那就要检查线路了，一般风扇继电器是由电脑控制吸合的，如果电路存在断路，或者电脑坏了的话会出现继电器不吸合的情况！", "history": [["长城h3风扇不转。继电器好的。保险丝好的传感器新的风扇也新的这是为什么。就是继电器缺一个信号线", "用电脑能读数据流吗？水温多少"], ["95", "上下水管温差怎么样啊？空气是不是都排干净了呢？"]]}

那针对这个项目lora微调的时候，还需要修改数据处理的代码吗？ 希望大佬能给出针对多轮数据组织形式进行微调的代码分支。

[cristianohello]

@mymusise 官方数据如下： https://github.com/THUDM/ChatGLM-6B/tree/main/ptuning#%E5%AF%B9%E8%AF%9D%E6%95%B0%E6%8D%AE%E9%9B%86

[mymusise]

这块应该不难，可以参考具体官方的处理：https://github.com/THUDM/ChatGLM-6B/blob/main/ptuning/main.py#L160

把history的内容转成:

"[Round {}]\n问：{}\n答：{}\n".format(turn_idx, old_query, response)

然后这部分加入到context的前面应该就可以