sft的数据是否完整

[YihangChen9]

我使用了提供的bash run.sh examples/train_full/llama3_full_policy_web.yaml脚本和提供的web_policy_sft.json数据进行了微调，但是微调出来模型evaluate的score都处于0.08-0.12之间，和论文中提供的0.206有较大的差距。我想知道是脚本还是数据存在一定的出入，导致这样的结果的差距

[YihangChen9]

这边sft是使用Llama3.1-8b还是Llama3.1-8b-instruct

[QZH-777]

我们使用的是Llama3.1-8b。请问是使用的我们提供的测试脚本吗？

[HahmDY]

For GLM, did you fine-tune GLM-4 rather than GLM-4-Chat?

[YihangChen9]

我们使用的是Llama3.1-8b。请问是使用的我们提供的测试脚本吗？

对的，就是使用的Llama3.1-8b，然后直接跑的给的那一行命令。我尝试了几次，成功率都在12左右。然后，测试脚本的话，测您们提供的rl完的模型，成功率是40左右，应该不是测试脚本的问题。

[QZH-777]

For GLM, did you fine-tune GLM-4 rather than GLM-4-Chat?

We fine-tune GLM-4

[QZH-777]

我们使用的是Llama3.1-8b。请问是使用的我们提供的测试脚本吗？

对的，就是使用的Llama3.1-8b，然后直接跑的给的那一行命令。我尝试了几次，成功率都在12左右。然后，测试脚本的话，测您们提供的rl完的模型，成功率是40左右，应该不是测试脚本的问题。

请问您的训练参数是什么，以及sft结束后的training loss是多少呢？