必须使用SFT/LoRA/DPO方式微调已开放能力的豆包模型（如doubao-pro-32k），训练数据须为含严格大小写敏感的input/output字段的JSONL格式，上传前需脚本校验；数据集支持本地上传（≤50MB）或同地域TOS导入；创建任务时需选正确模型版本、训练方式及自传数据集，并合理设置learning_rate与max_steps。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在火山引擎方舟平台上对豆包大模型进行微调，必须使用其支持的微调方式（SFT/LoRA/DPO），且仅限已开放微调能力的豆包模型（如doubao-pro-32k、doubao-lite-32k等），预训练不被支持。
准备符合要求的训练数据
这一步不能跳过，豆包微调只接受严格格式的 JSONL 文件：每行一个 JSON 对象，必须含 【input】 和 【output】 两个字段，缺一不可。字段名大小写敏感，不能写成 Input/output 或 inputs/outputs。
示例正确格式：
{"input": "把'订单状态=已完成'转成 SQL WHERE 条件", "output": "WHERE status = 'completed'"}
立即进入“豆包AI人工智官网入口”；
立即学习“豆包AI人工智能在线问答入口”；
常见错误是混入 system 指令或 messages 数组——方舟平台会直接报错“data format invalid”，不提示具体哪一行错。建议用 Python 脚本逐行 json.loads() 校验后再上传。
上传数据集到方舟平台
方法一：本地上传（适合 ≤50MB 小数据集）
进入方舟控制台 → 数据集管理 → 新建数据集 → 选择“本地上传” → 拖入已校验的 .jsonl 文件 → 点击“确认上传”。上传过程无进度条，成功后页面自动刷新显示数据集名称和行数。
方法二：TOS 对象存储导入（推荐用于 ≥100MB 或需复用的数据）
先将 JSONL 文件上传至同地域的 TOS 桶（如 cn-beijing），路径须为纯英文+数字（例如 /finetune/doubao_orders.jsonl）→ 返回方舟数据集页 → 选“TOS 导入” → 填写 Bucket 名 + Object Key → 点击“同步”。【注意：TOS 桶必须与方舟实例同地域，跨地域会提示“access denied”且无法重试】
创建微调任务并配置参数
第一步：在方舟控制台左侧导航栏点击「模型训练」→「新建训练任务」。
第二步：基础配置中，「模型类型」选「豆包系列」→「模型版本」下拉框里仅显示支持微调的型号（如 doubao-pro-32k-260920），旧版 doubao-1-5-lite 不在列表中，选了也无法提交。
第三步：训练方式必须从 SFT、LoRA、DPO 中三选一。SFT 适合指令遵循类任务；LoRA 对显存友好，A100 单卡可跑 batch_size=8；DPO 需提供偏好对（chosen/rejected），不填 output 字段会触发校验失败。
第四步：数据集选择你刚上传的那个，切勿选“系统示例数据集”——它只用于界面演示，实际训练时会被静默忽略。
第五步：高级参数中，learning_rate 建议设为 1e-4（LoRA）或 2e-5（SFT），max_steps 根据数据量估算：1万行数据 ≈ 200–500 steps，设太高会导致过拟合，模型在验证集 loss 突然飙升。
