数据集版本列表，说明：可以通过以下方法获取该数据版本值：在控制台-数据集管理页面查看某数据集版本

验证集数据版本列表

混入语料任务类型，说明：
（1）仅支持垂直混合语料使用此参数
（2）SFT和Post-pretrain支持的任务类型不同。
（3）SFT支持以下任务类型：
· 知识问答：可分为两类，主观知识问答侧重获取个人见解、经验和观点，答案因人而异；客观知识问答则涉及可验证的事实和数据，答案基于可靠资料和逻辑推理，强调客观性和真实性。
· 文本创作：各类的文案、文学、创意等写作任务，可以涉及多种体裁，包括但不限于小说、诗歌、散文、剧本、广告文案、新闻报道、科技文档等。
· 表格问答：根据给定的表格信息进行问答的任务，要求模型能够从表格中提取信息，并回答相关问题。
· 信息抽取：从非结构化或半结构化的文本中抽取特定信息的任务，要求模型能够准确地找到并提取出需要的信息。
· 指令理解：理解用户给出的指令或命令的任务，并作出相应的合理动作或回答。包含了多种指令理解任务的组合。
· 标题生成：根据给定的内容生成相应的标题的任务，要求模型能够准确抓住文本的核心信息，并生成简洁而具有概括性的标题。
· 问题生成：根据给定的内容生成相应的问题的任务，要求模型能够从文本中提取出问题的关键信息，并生成符合规范的问题。
· 示例学习：通过给定的示例来理解任务的要求，要求模型能够从示例中学习到通用的模式或规律，并应用到类似的任务中。
· 文本属性分析：分析文本中的属性或特征的任务，要求模型能够识别文本中的各种属性，如观点、主题、意图等。
· 摘要：对文本进行概括性提取的任务，要求模型能够从文本中提取出最重要或最具代表性的信息，生成简洁而完整的摘要。
· 语言推理：理解和推断文本中的逻辑关系和语义关系的任务，要求模型能够根据文本内容进行推理和判断。
· 阅读理解：理解和回答与给定文本相关的问题的任务，要求模型能够从文本中获取必要的信息，并作出准确的回答。
· 文本分类：将文本分类到预定义类别的任务，要求模型能够根据文本内容确定其所属的类别或标签。
· Json转文本：将结构化的json数据转换为可读的自然语言文本。这项任务在很多应用场景中都很有用，比如生成报告、用户界面展示、自然语言接口等。
· 代码生成：代码生成指根据给定的要求生成相应的代码的任务，要求模型能够理解代码的要求，并生成符合要求的代码。
· 代码纠错：检测和修正代码中的错误的任务，要求模型能够识别代码中的错误，并提供正确的修正建议。
· 代码解释： 解释代码功能和逻辑的任务，要求模型能够理解代码的功能和实现方式，并用易于理解的语言进行解释。
· 理科试题：涉及自然科学知识的试题，要求模型能够理解科学知识，并回答相关问题。例如各学段的数学题目。
· 多轮对话：进行多轮交互的对话任务，要求模型能够理解上下文，并进行连贯和合理的对话。
· 角色扮演（多轮）：使用大型语言模型进行角色扮演对话。在这个任务中，用户可以与大模型进行各类对话交互，大模型根据对话的内容和扮演的角色特点来生成回复，该任务经常被用于娱乐、教育等场景。
· 角色扮演（括号文学）：是模型在对话中扮演文学作品中的角色，利用括号添加细腻的心理和动作描述，以丰富故事情节，打造沉浸式互动体验。
· 风格定制（多轮）：通过特定风格类描述定制，使得大模型在生成文本时符合特定的风格要求。通过这种方式，可以定制语言模型的回复风格，使其更符合特定应用场景或个人喜好。
· 翻译：将一种语言的文字内容转换成另一种语言的任务。
· 专业考试：涉及专业知识的考试题目（主要为文科类），要求模型能够理解专业知识，并作出准确的回答或解释。
· Agent：智能助手根据用户请求执行特定任务，如查询信息或执行服务。
· NL2SQL：将自然语言转换成结构化查询语言的任务，要求模型能够理解自然语言的意图，并将其转换成能够执行的SQL查询语句。
· 记忆增强：AI助手根据用户个人信息和偏好，提供个性化服务和提醒。
（4）Post-pretrain支持以下任务类型：
· 金融
· 医疗
· 广告传媒
· 电商
· 旅游
· 教育
· 交通物流
· 地产家装
· 法律
· 党政
· 游戏
· 科技
· 化工
· 能源
· 机械

混合通用/垂直语料的语言类型，说明：（1）仅支持Post-pretrain使用此参数 （2）可选值如下：en：英文；cn：中文；code：代码，仅支持通用语料

奖励模型的配置