Skill 多語言閱讀指南
finetuning用途、用法與原始來源
使用 SFT（監督式訓練）、DPO（偏好式訓練）或 RFT（帶評分器的密集訓練）在 Microsoft Foundry 上微調模型。涵蓋資料集準備、訓練作業提交、部署和評估。用途：微調、SFT、DPO、RFT、訓練資料、評分器、資料蒸餾、微調後的模型、訓練作業、大檔案上傳、校準評分器、部署微調後的模型、評估微調後的模型。不適用於：不進行微調的通用模型部署（請使用 deploy-model）、建立代理程式（請使用 agents）、不進行訓練的快速最佳化（請使用 prompt-optimizer）。
原文擷取時間:
- 來源儲存庫
- microsoft/skills
- SKILL.md
.github/plugins/azure-skills/skills/microsoft-foundry/finetuning/SKILL.md- 儲存庫 Star
- 3,157
- 儲存庫最近更新
- 2026-10-31
- 能力分類
- 雲端服務
- 最近採集時間
授權：授權檔案待核驗
流程片段用來協助閱讀上游說明。本頁沒有執行第三方 Skill，不屬於實測評測。
下面的用途與操作片段來自上游文件，由本站整理並翻譯，和另行標示的 Codez 編輯分析分開呈現。
這個 Skill 能做什麼
使用 SFT（監督式訓練）、DPO（偏好式訓練）或 RFT（帶評分器的密集訓練）在 Microsoft Foundry 上微調模型。涵蓋資料集準備、訓練作業提交、部署和評估。用途：微調、SFT、DPO、RFT、訓練資料、評分器、資料蒸餾、微調後的模型、訓練作業、大檔案上傳、校準評分器、部署微調後的模型、評估微調後的模型。不適用於：不進行微調的通用模型部署（請使用 deploy-model）、建立代理程式（請使用 agents）、不進行訓練的快速最佳化（請使用 prompt-optimizer）。
如何使用：上游操作流程
在 Microsoft Foundry 上進行微調
使用 SFT（監督式學習）、DPO（偏好學習）或 RFT（強化學習，附評分員）對模型進行微調。內容涵蓋資料集準備、訓練、部署和評估。
原文片段 · L10 ↗環境與相依需求
本次未從該檔案選出獨立的環境需求片段，不代表無須相依套件。請繼續核對儲存庫的安裝說明和引用檔案。
限制與結果檢查
本次未從該檔案選出獨立的限制片段，不代表適用於所有輸入或環境。請閱讀完整原文，並自行驗證實際結果。
開始使用前
- 先核對支援的 Agent 宿主和儲存庫安裝說明。保留完整 Skill 目錄及其引用的腳本、資源和文件，只複製 SKILL.md 可能遺漏相依需求。
- 向 Agent 提供實際輸入、預期輸出和驗收標準。呼叫方式與可用工具取決於宿主環境，本站不假定存在通用的安裝指令。
- 先在暫存專案或輸入副本上試用。涉及修改檔案、遠端服務或計費資源的操作，應逐項核對後再授權。
- 依照原文檢查項目和自己的需求驗證輸出。成功觸發或儲存庫 Star 較高，都不能證明結果正確。
繼續閱讀原始文件
相關 Skill
翻譯與介紹範圍
本頁從固定版本的上游 SKILL.md 整理用途與操作片段，譯文使用輔助翻譯。它不是完整手冊，也不代表經過相容性實測；使用前請核對原文及其引用檔案。
介紹依據下方列出的固定版本；目前儲存庫動態和目錄擷取時間分開呈現。
- 固定版本來源
- 閱讀原文 ↗
- 原文擷取時間
- 來源提交版本
00d66a64919edca5bca2c673373444e36a4b5461- 原文 SHA-256
7a17789cb61e026a52071564b00624f2880e7b35c89fec9aa06c0dfcc8fe1e31