Alibaba Cloud Model Studio：千問模型調優

SFT 訓練集

SFT ChatML（Chat Markup Language）格式訓練資料，支援多輪對話和多種角色設定。

不支援OpenAI 的name、weight參數，所有的 assistant 輸出都會被訓練。

# 一行訓練資料（json 格式），展開後典型結構如下：
{"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"}
  ...
]}

system/user/assistant 區別請參見文本產生模型概述，訓練資料集範例：SFT-ChatML格式樣本.jsonl、SFT-ChatML格式樣本.xlsx（xls、xlsx 格式只支援單輪對話）。

單條訓練資料的所有 assistant 行都支援"loss_weight"參數，用於設定該行在訓練時的相對重要性。（設定範圍0.0 ~ 1.0，數值越大，重要性越高）

該參數屬於邀測參數，如需使用，請聯絡您的商務經理。

 {"role": "assistant", "content": "期望的模型輸出1", "loss_weight": 1.0}, 
 {"role": "assistant", "content": "期望的模型輸出2", "loss_weight": 0.5}

SFT 思考模型（thinking）

訓練資料支援多輪對話和多種角色設定，但只能針對最後的 assistant 輸出進行訓練：

思考標籤前後的若干個\n必須要保留。

# 一行訓練資料（json 格式），展開後典型結構如下：
{"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"}, --中間的 assitant 輸出不應添加 <think> 標籤
   ...
  {"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"} --思考內容只能包含在最後一個 assistant 輸出中。 
]}

system/user/assistant 區別請參見文本產生模型概述，訓練資料集範例：SFT- 深度思考內容樣本.jsonl。

也可以在訓練樣本中設定模型不輸出<think>標籤， 如果使用這種輸出方式，模型訓練完成後不建議再開啟思考模式進行調用。

{"role": "assistant", "content": "期望的模型輸出2"}  --告訴模型不開啟思考

單條訓練資料最後的 assistant 行支援"loss_weight"參數，用於設定該條資料在訓練時的相對重要性。（設定範圍0.0 ~ 1.0，數值越大，重要性越高）

該參數屬於邀測參數，如需使用，請聯絡您的商務經理。

 {"role": "assistant", "content": "<think>\n期望的思考內容2\n</think>\n\n期望的輸出2", "loss_weight": 1.0}

SFT 映像理解（千問VL）

不支援OpenAI 的name、weight參數，所有的 assistant 輸出都會被訓練。

system/user/assistant 區別請參見文本產生模型概述。ChatML 格式訓練資料範例：

# 一行訓練資料（json 格式），展開後典型結構如下：
{"messages":[
  {"role":"user",
    "content":[
      {"text":"使用者輸入1"},
      {"image":"影像檔名1"}]},
  {"role":"assistant",
    "content":[
      {"text":"模型期望輸出1"}]},
  {"role":"user",
    "content":[
      {"text":"使用者輸入2"}]},
  {"role":"assistant",
    "content":[
      {"text":"模型期望輸出2"}]},
  ...
  ...
  ...
 ]}

壓縮包要求：

1. 壓縮包格式：ZIP。最大支援 2 GB， ZIP 包內檔案夾、檔案名稱僅支援 ASCII 字元集中的字母 (a-z, A-Z)、數字 (0-9)、底線 (_)、連字號 (-)。

2. 訓練文本資料固定為 data.jsonl，並且位於壓縮包的根目錄下，應確保壓縮後開啟 zip 檔案，直接就能看到 data.jsonl 檔案。

3. 圖片單張尺寸的寬度和高度均不得超過 1024px，最大不超過10MB，支援 .bmp, .jpeg /.jpg, .png, .tif /.tiff, .webp 格式。

4. 圖片檔案的名稱不能重複，即使分布在不同的檔案夾中。

5. 壓縮包目錄結構：

   單層目錄（推薦）

   圖片檔案與 data.jsonl 檔案均位於壓縮包根目錄下。

   Trainingdata_vl.zip
      |--- data.jsonl #注意：外層不能再包裹檔案夾
      |--- image1.png
      |--- image2.jpg

   多層目錄

   1. data.jsonl 必須在壓縮包根目錄下。

   2. data.jsonl 內只需要聲明影像檔名，不需要聲明檔案路徑。例如：

      正確樣本：image1.jpg；錯誤樣本：jpg_folder/image1.jpg。

   3. 影像檔名應在壓縮包內全域唯一。

   Trainingdata_vl.zip
       |--- data.jsonl #注意：外層不能再包裹檔案夾
       |--- jpg_folder
       |   └── image1.jpg
       |--- png_folder
           └── image2.png

HTTP

Windows CMD 請將${DASHSCOPE_API_KEY}替換為 %DASHSCOPE_API_KEY%，PowerShell 請替換為 $env:DASHSCOPE_API_KEY

curl -X POST https://dashscope-intl.aliyuncs.com/compatible-mode/v1/files \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
--form 'file=@"path/to/your/sample.jsonl"' \
--form 'purpose="fine-tune"'

返回結果：

{
    "id": "file-ft-e73cafa11cef43a0ab75fb8e",
    "object": "file",
    "bytes": 23149,
    "filename": "qwen-fine-tune-sample.jsonl",
    "purpose": "fine-tune",
    "status": "processed",
    "created_at": 1769138847
}

HTTP

curl 'https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/<job_id>' \
--header 'Authorization: Bearer '${DASHSCOPE_API_KEY} \
--header 'Content-Type: application/json'

{
    "request_id": "d100cddb-ac85-4c82-bd5c-9b5421c5e94d",
    "output":
    {
        "job_id": "ft-202511272033-8ae7",
        "job_name": "ft-202511272033-8ae7",
        "status": "RUNNING",
        "finetuned_output": "qwen3-14b-ft-202511272033-8ae7",
        "model": "qwen3-14b",
        "base_model": "qwen3-14b",
        "training_file_ids":
        [
            "9e9ffdfa-c3bf-436e-9613-6f053c66aa6e"
        ],
        "validation_file_ids":
        [],
        "hyper_parameters":
        {
            "n_epochs": 1,
            "batch_size": 16,
            "learning_rate": "1.6e-5",
            "split": 0.9,
            "warmup_ratio": 0.0,
            "eval_steps": 1,
            "save_strategy": "epoch",
            "save_total_limit": 10
        },
        "training_type": "sft",
        "create_time": "2025-11-27 20:33:15",
        "workspace_id": "llm-8v53etv3hwb8orx1",
        "user_identity": "1654290265984853",
        "modifier": "1654290265984853",
        "creator": "1654290265984853",
        "group": "llm",
        "max_output_cnt": 10
    }
}

HTTP

curl 'https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/<job_id>/logs?offset=0&line=1000' \
--header 'Authorization: Bearer '${DASHSCOPE_API_KEY} \
--header 'Content-Type: application/json' 

可通過 offset 和 line 兩個參數擷取特定行數區間的日誌。 Offset 用於設定日誌輸出開始的位置；line 用於設定日誌最多輸出多少行。

返回結果範例：

{
    "request_id":"1100d073-4673-47df-aed8-c35b3108e968",
    "output":{
        "total":57,
        "logs":[
            "{輸出調優日誌1}",
            "{輸出調優日誌2}",
            ...
            ...
            ...
        ]
    }
}