花费76.42利用预置数据集对【对话引擎方案】复现（包括SFT，发布，及预测）

使用的是数据集管理中的预置数据集：FinCUGE_FinESE。

它是金融事件主体抽取数据集，该数据集包含11752条数据，验证集包含1464条数据。

该数据集的目的是从新闻预料中。抽取特定事件类型的主体，用来对对话式大模型进行调优。

样本数据示例：

问题：抽取以下新闻中涉嫌非法集资事件的主体信息。

9月27日消息，此前宣布展期的饭饭金服又有新进展，浙江省嘉兴市公安局南湖区分局发布通报称，对饭饭投资管理(嘉兴)有限公司以涉嫌非法集资立案侦査

回答：涉嫌非法集资事件描述的金融主体是饭饭投资管理(嘉兴)有限公司。

参照课程示例，利用该数据集，对于大模型使用SFT(有监督微调）来进行模型精调，使得大模型有更好的金融新闻事件的主体抽取能力。操作非常便捷，在模型精调板块SFT页面下，依照需求创建SFT任务。

这里训练配置使用的是默认，基础模型是ERNIE-Bot-turbo，版本是0725，由于没有LORA使用的是全量更新，参数配置也是默认。

训练的时长使用了31分钟，评估结果显示ROGUE-1及ROGUE-L的指标表现不错，消耗了48.42，训练完之后再我的模型界面，对于大模型进行部署，操作也非常的简单。

花了大概28块钱部署了我SFT精调之后的大模型，部署到发布的事件大概是15分钟左右，之后就可以再我的服务界面看到部署后的大模型服务。

调用也非常简便，可以配置到应用接入板块的自建应用下，通过常规接口调用的方式调用即可。

也可以在体验中心，直接在我的服务下面选择已经SFT精调过的大模型，直接测试结果，这里使用测试数据集直接验证对比一下SFT前后的ERNIE-bot-Turbo。

SFT精调后的模型回答的非常简洁且精准。