Skill 多语言阅读指南
finetuning用途、用法与原始来源
使用 SFT（监督式训练）、DPO（偏好式训练）或 RFT（带评分器的强化训练）在 Microsoft Foundry 上微调模型。涵盖数据集准备、训练作业提交、部署和评估。用途：微调、SFT、DPO、RFT、训练数据、评分器、数据蒸馏、微调后的模型、训练作业、大文件上传、校准评分器、部署微调后的模型、评估微调后的模型。不适用于：不进行微调的通用模型部署（请使用 deploy-model）、创建代理（请使用 agents）、不进行训练的快速优化（请使用 prompt-optimizer）。
原文采集时间:
- 来源仓库
- microsoft/skills
- SKILL.md
.github/plugins/azure-skills/skills/microsoft-foundry/finetuning/SKILL.md- 仓库 Star
- 3,157
- 仓库最近更新
- 2026/10/31
- 能力分类
- 云服务
- 最近采集时间
许可：许可文件待核验
流程片段用于帮助阅读上游说明。本页没有执行第三方 Skill，不属于实测评测。
下面的用途和操作片段来自上游文档，由本站整理并翻译，和另行标注的 Codez 编辑分析分开展示。
这个 Skill 能做什么
使用 SFT（监督式训练）、DPO（偏好式训练）或 RFT（带评分器的强化训练）在 Microsoft Foundry 上微调模型。涵盖数据集准备、训练作业提交、部署和评估。用途：微调、SFT、DPO、RFT、训练数据、评分器、数据蒸馏、微调后的模型、训练作业、大文件上传、校准评分器、部署微调后的模型、评估微调后的模型。不适用于：不进行微调的通用模型部署（请使用 deploy-model）、创建代理（请使用 agents）、不进行训练的快速优化（请使用 prompt-optimizer）。
如何使用：上游操作流程
在 Microsoft Foundry 上进行微调
使用 SFT（监督学习）、DPO（偏好学习）或 RFT（强化学习，带评分员）对模型进行微调。内容涵盖数据集准备、训练、部署和评估。
原文片段 · L10 ↗环境与依赖
本次未从该文件选出独立的环境要求片段，不代表无需依赖。请继续核对仓库的安装说明和引用文件。
限制与结果检查
本次未从该文件选出独立的限制片段，不代表适用于所有输入或环境。请阅读完整原文，并自行验证实际结果。
开始使用前
- 先核对支持的 Agent 宿主和仓库安装说明。保留完整 Skill 目录及其引用的脚本、资源和文档，只复制 SKILL.md 可能漏掉依赖。
- 向 Agent 提供实际输入、期望输出和验收标准。调用方式与可用工具取决于宿主环境，本站不假定存在通用的安装命令。
- 先在临时项目或输入副本上试用。涉及修改文件、远程服务或计费资源的操作，应逐项核对后再授权。
- 按照原文检查项和自己的需求验证输出。成功触发或仓库 Star 较高，都不能证明结果正确。
继续阅读原始文档
相关 Skill
翻译与介绍范围
本页从固定版本的上游 SKILL.md 整理用途与操作片段，译文使用辅助翻译。它不是完整手册，也不代表经过兼容性实测；使用前请核对原文及其引用文件。
介绍依据下方列出的固定版本；当前仓库动态和目录采集时间单独展示。
- 固定版本来源
- 阅读原文 ↗
- 原文采集时间
- 来源提交版本
00d66a64919edca5bca2c673373444e36a4b5461- 原文 SHA-256
7a17789cb61e026a52071564b00624f2880e7b35c89fec9aa06c0dfcc8fe1e31