update

docs/source/Instruction/命令行参数.md

@@ -308,10 +308,8 @@ Vera使用`target_modules`, `target_regex`, `modules_to_save`三个参数.
 - check_model: 检查本地模型文件有损坏或修改并给出提示，默认为True。如果是断网环境，请设置为False
 - 🔥create_checkpoint_symlink: 额外创建checkpoint软链接，方便书写自动化训练脚本。best_model和last_model的软链接路径分别为f'{output_dir}/best'和f'{output_dir}/last'
 - loss_type: loss类型。默认为None，使用模型自带损失函数
-
 - packing: 是否使用序列packing，默认为False
 - 🔥lazy_tokenize: 是否使用lazy_tokenize。若该参数设置为False，则在训练之前对所有的数据集样本进行tokenize（多模态模型则包括从磁盘中读取图片）。该参数在LLM训练中默认设置为False，而MLLM训练默认为True，节约内存
-
 - acc_strategy: 训练和验证时计算acc的策略。可选为`seq`和`token`级别的acc，默认为`token`
 - max_new_tokens: 覆盖生成参数。predict_with_generate=True时的最大生成token数量，默认64
 - temperature: 覆盖生成参数。predict_with_generate=True时的temperature，默认0
@@ -325,16 +323,11 @@ RLHF参数继承于[训练参数](#训练参数)
 - ref_model: 采用dpo、kto、ppo算法且使用全参数训练时需要传入。默认为None
 - ref_model_type: 同model_type。默认为None
 - ref_model_revision: 同model_revision。默认为None
-
 - 🔥beta: KL正则项系数，默认为`None`，即`simpo`算法默认为`2.`，其他算法默认为`0.1`。具体参考[文档](./人类对齐.md)
 - label_smoothing: 是否使用DPO smoothing，默认值为`0`
-
 - 🔥rpo_alpha: 控制DPO中加入sft_loss的权重，默认为`1`。最后的loss为`KL_loss + rpo_alpha * sft_loss`
-
 - cpo_alpha: CPO/SimPO loss 中 nll loss的系数, 默认为`1.`
-
 - simpo_gamma: SimPO算法中的reward margin项，论文建议设置为0.5-1.5，默认为`1.`
-
 - desirable_weight: KTO算法中对desirable response的loss权重 $\lambda_D$，默认为`1.`
 - undesirable_weight: KTO算法中对undesirable response的loss权重 $\lambda_U$，默认为`1.`
 
@@ -379,7 +372,6 @@ RLHF参数继承于[训练参数](#训练参数)
 - host: 服务host，默认为'0.0.0.0'
 - port: 端口号，默认为8000
 - api_key: 访问需要使用的api_key，默认为None
-
 - owned_by: 默认为`swift`
 - 🔥served_model_name: 提供服务的模型名称，默认使用model的后缀
 - verbose: 打印详细日志，默认为True
@@ -422,13 +414,11 @@ App参数继承于[部署参数](#部署参数), [Web-UI参数](#Web-UI参数)
 
 - 🔥output_dir: 导出结果存储路径。默认为None，会自动设置合适后缀的路径
 - exist_ok: 如果output_dir存在，不抛出异常，进行覆盖。默认为False
-
 - 🔥quant_method: 可选为'gptq'、'awq'、'bnb'，默认为None。例子参考[这里](https://github.com/modelscope/ms-swift/tree/main/examples/export/quantize)
 - quant_n_samples: gptq/awq的校验集采样数，默认为256
 - max_length: 校准集的max_length, 默认值2048
 - quant_batch_size: 量化batch_size，默认为1
 - group_size: 量化group大小，默认为128
-
 - 🔥push_to_hub: 是否推送hub，默认为False。例子参考[这里](https://github.com/modelscope/ms-swift/blob/main/examples/export/push_to_hub.sh)
 - hub_model_id: 推送的model_id，默认为None
 - hub_private_repo: 是否是private repo，默认为False
@@ -438,7 +428,6 @@ App参数继承于[部署参数](#部署参数), [Web-UI参数](#Web-UI参数)
 
 - prm_model: 过程奖励模型的类型，可以是模型id（以pt方式拉起），或者plugin中定义的prm key（自定义推理过程）
 - orm_model: 结果奖励模型的类型，通常是通配符或测试用例等，一般定义在plugin中
-
 - sampler_type：采样类型，目前支持sample（do_sample方式），未来会支持mcts和dvts
 - sampler_engine：支持`pt`, `lmdeploy`, `vllm`, `no`，默认为`pt`，采样模型的推理引擎
 - output_dir：输出目录，默认为`sample_output`
@@ -448,16 +437,13 @@ App参数继承于[部署参数](#部署参数), [Web-UI参数](#Web-UI参数)
 - num_sampling_per_gpu_batches：共采样多少batch
 - n_best_to_keep：返回多少最佳sequences
 - data_range：本采样处理数据集的分片。传入格式为`2 3`，代表数据集分为3份处理（这意味着通常有三个`swift sample`在并行处理），本实例正在处理第3个分片
-
 - temperature：在这里默认为1.0
 - prm_threshold：PRM阈值，低于该阈值的结果会被过滤掉，默认值为`0`
 - easy_query_threshold：单个query的所有采样中，ORM评估如果正确，大于该比例的query会被丢弃，防止过于简单的query出现在结果中，默认为`None`，代表不过滤
-
 - engine_kwargs：传入sampler_engine的额外参数，以json string传入，例如`{"cache_max_entry_count":0.7}`
-
 - num_return_sequences：采样返回的原始sequence数量。默认为64，本参数对`sample`采样有效
 - cache_files：为避免同时加载prm和generator造成显存OOM，可以分两步进行采样，第一步将prm和orm置为`None`，则所有结果都会输出到文件中，第二次运行采样将sampler_engine置为`no`并传入`--cache_files`为上次采样的输出文件，则会使用上次输出的结果进行prm和orm评估并输出最终结果。
-  - 注意：使用cache_files时，--dataset仍然需要传入，这是因为cache_files的id是由原始数据计算的md5，需要把两部分信息结合使用。
+  - 注意：使用cache_files时，`--dataset`仍然需要传入，这是因为cache_files的id是由原始数据计算的md5，需要把两部分信息结合使用。
 
 
 ## 特定模型参数