产品特点
全流程训练能力覆盖
支持从（增量）预训练、多模态指令微调至 RLHF 全流程（奖励模型、PPO/DPO/KTO 训练等），适配各类场景需求
轻量化高效微调
通过 LoRA 等参数高效配置，大幅减少参数量与计算存储成本，平衡性能与资源消耗
人性化对齐优化
提供 RLHF 参数精细化配置，结合多种优化算法，使模型输出贴合人类价值观与业务需求
低门槛与高适配性
零代码 AutoML 工作流设计，兼容主流模型架构与国产芯片，兼顾技术深度与易用性
自动蒸馏数据集
提供数据集的全自动化蒸馏能力，通过构建领域树并生成细分领域问题，再由大模型自动生成高质量答案和推理过程，帮助企业高效制备训练数据
高质量数据集生成及统一管理
提供文档生成问答对等高质量数据集功能，支持查看所有已经生成的数据集详情，并支持对生成的内容进行修改维护
功能介绍
可视化微调训练
模型评估验证
模型推理多参数调试
丰富的训练算法
平台提供可视化的模型微调参数配置功能，支持模型训练、评估与预测、推理、导出的全流程操作。
支持基于验证数据集对训练模型进行评估，支持截断长度、最大样本数、批处理大小等参数配置。
支持对模型能力进行推理验证，提供最大生成长度、Top-p 采样值、温度系数、跳过特殊 token、转义 HTML 标签、启用思考等多参数调试配置。
支持（增量）预训练、（多模态）指令监督微调、奖励模型训练、PPO 训练、DPO 训练、KTO 训练等多种训练算法。
应用场景
垂直领域专业化任务
对于数据壁垒高的垂直领域，如：法律文书生成、药物分子设计等。这些领域通常拥有高度专业化的知识体系和术语，通用模型难以准确理解和生成相关内容，适合通过微调技术提升模型在特定任务中的表现。
高稳定性要求场景
对输出稳定性要求严苛的场景，如：设备故障诊断、代码生成等。这些领域模型输出的准确性和一致性直接影响系统的可靠性和安全性。微调技术可以使模型更好地适应特定任务，减少错误率，确保输出结果的稳定性。
敏感数据私有化场景
涉及敏感数据的私有化部署需求的场景，如：政府公文处理、银行合规审查。这些领域对数据安全和隐私有严格要求。在本地环境中对模型进行微调，既能满足定制化需求，又能确保数据不外泄。
携手科杰科技，构建AI-Native时代 Data&AI 一体化平台