重要
這項功能在下列區域開放公開預覽：centralus、eastus、eastus2、northcentralus 和 westus。
如何使用基礎模型微調（現在屬於 Mosaic AI 模型訓練的一部分）的 UI 來建立和配置訓練執行，本文章詳盡說明。 您也可以使用 API 建立回合。 如需說明，請參閱 使用基礎模型微調 API 建立訓練運行。
需求
請參閱 需求。
使用 UI 建立訓練回合
請遵循下列步驟，使用 UI 建立訓練回合。
在左側側邊欄中，按下[實驗]。
在[基礎模型微調] 卡片上，點擊[建立馬賽克 AI 模型實驗]。
基礎模型微調 表單開啟。 必填項目以星號標示。 選擇完畢之後，按下[開始訓練]。
類型：選取要執行的工作。
任務 描述 指令微調 使用提示和響應輸入繼續訓練基礎模型，以針對特定工作優化模型。 持續預先訓練 繼續訓練基礎模型，為模型提供特定領域知識。 對話完成 繼續使用聊天記錄來定型基礎模型，以針對問答或交談應用程式進行優化。 選取基礎模型：選取要微調或定型的模型。 如需支援的模型清單，請參閱 支援的模型。
訓練數據：按兩下 [瀏覽 ] 以選取 Unity 目錄中的數據表，或輸入擁抱臉部數據集的完整 URL。 如需資料大小建議，請參閱建議模型訓練使用的資料大小。
如果您在 Unity 目錄中選取資料表，也必須選取要用來讀取資料表的計算。
註冊至位置：從下拉功能表中選取 Unity 目錄和架構。 訓練完成的模型會儲存到這個位置。
模型名稱：模型會以您指定的目錄和架構中儲存此名稱。 預設名稱會出現在這個欄位，您可視需要變更。
進階選項：如需更多自訂，您可以設定可選的設置以進行評估、超參數微調或利用現有專有模型進行訓練。
設定 描述 訓練期間 訓練執行的時長，以 epochs（例如 10ep）或標記（例如1000000tok）為單位指定。 預設值為1ep。學習率 模型訓練的學習速率。 所有模型都會使用AdamW優化器來訓練，並搭配學習速率預熱。 默認學習速率可能會因每個模型而有所不同。 建議您執行超參數搜尋，嘗試不同的學習速率和訓練時間，以取得最高品質的模型。 上下文長度 資料範例的序列長度上限。 超過這個設定的資料會遭截斷。 預設值取決於選取的模型。 評估資料 按兩下 [瀏覽 ] 以選取 Unity 目錄中的數據表，或輸入擁抱臉部數據集的完整 URL。 如果這個欄位留白，則不會執行任何評估。 模型評估提示 輸入評估模型用的選擇性提示。 實驗名稱 系統預設會為每回合指派自動產生的新名稱。 您可以選擇性地輸入自定義名稱，或從下拉式清單中選取現有的實驗。 自訂權重 訓練預設會從使用所選模型的原始權數開始。 若要從微調 API 所產生的檢查點開始，請輸入包含檢查點的 MLflow 成品資料夾路徑。
注意：如果您在 2025/3/26 之前定型模型，您將無法再從這些模型檢查點持續定型。 任何先前完成的定型執行仍可搭配布建的輸送量提供，而不會有問題。
下一步
訓練回合完成之後，您可以在 MLflow 檢閱計量及部署推斷模型。 請參閱教學課程：建立和部署基礎模型微調執行的步驟 5 到 7。
如需了解資料準備、微調訓練運行配置和部署的指令微調範例，請參閱指令微調：具名實體辨識示範筆記本。