实践步骤

1. ① 下载示例训练集（或自备符合格式的 zip）

   STEM 示例训练集（推荐）

   1000 条纯文本，zip 根目录含 dataset_info.json + my_data.jsonl，满足 ≥160 条约束，下载后可直接上传。

   ⬇ 下载

   zip 结构、JSONL 格式与打包常见错误见 训练与调参 · 数据格式。

2. ② 新建训练任务：填名称，选 BlueLM-VL-3B

   「模型训练」→「新增任务」→ 任务类型选「文本生成」，模型选 BlueLM-VL-3B。

   

   图 2-1 基础信息

3. ③ 上传 zip，勾选说明，确认「训练数据数量」非 0

   训练方式固定为 lora。上传后条数应自动显示；若为 0，返回检查 zip 结构。

   

   图 2-2 上传数据集

4. ④ 参数保持默认，确认无红字约束后提交
   ⚠️

   须满足：数据条数 ≥ Checkpoint间隔 × batch × 梯度累积（默认 ≥160）。 示例集已满足；自建数据不够时可增数据或减小间隔 / batch / 累积。

   

   图 2-3 无红字后再点「提交」

   各参数含义与调优方法见 训练与调参。

5. ⑤ 等待状态变为「训练成功」

   排队中 → 训练中 → 训练成功（约 30 分钟，以平台为准）。期间可先浏览其他模块。

   

   图 2-4 训练成功后出现「模型转换 / 模型部署」

6. ⑥ 完成转换，并选择云端部署或端侧下载

   转换（必做）：「模型转换」→「新增模型转换」→ 选刚训练成功的任务 → 等到「转换成功」。

   

   图 2-5 新增模型转换

   云端 API：「模型部署」→ 新增部署 → 部署成功后复制 APP_ID / APP_KEY → 模块三。

   

   图 2-6 部署成功后的 API 凭据

   端侧：转换成功后直接下载 output.zip → 模块四。