小样本训练解决方案
利用项目内置的三种应对策略：
- 数据增强：在SFT阶段启用
--augmentation mixup参数进行语义扩展 - 迁移学习：Carregamento de modelos pré-treinados
--model_name_or_path Qwen/Qwen2.5-1.5B-Instruct - 课程学习：existir
curriculum_learning.yaml配置难度递增的任务序列
注意事项：建议初始阶段设置--batch_size 8避免显存溢出，同时启用--use_peft参数进行轻量化微调。可复用GAIA基准中的通用轨迹数据作为辅助训练集。
Essa resposta foi extraída do artigoOpenManus-RL: ajuste fino de modelos grandes para aprimorar o raciocínio e a tomada de decisões de corpos inteligentesO
Não pode ser reproduzido sem permissão:Ferramentas de produtividade de IA " 怎样克服小样本场景下的RL训练数据不足问题？
Português do Brasil 
简体中文 
English 
日本語 
Deutsch