微调前的数据检查：比增加样本量更早的一步

演示教程：模型与数据领域的内容示例。

先定义任务

清楚写下模型应改进的行为，再决定是否需要微调。将训练集、验证集和独立测试集分开，按来源或时间划分能帮助发现泄漏。

检查数据

统计重复、缺失、过长和格式错误的样本；检查输出风格是否一致，以及是否包含不能用于训练的个人或企业信息。保留数据许可和处理记录。

建立基线

先保存原始模型与提示词方案的评估结果。微调后使用相同测试集检查目标能力与退化项，并记录模型版本、数据版本和训练参数。