优化效果

通过模型迭代、检查并优化训练数据、选择高精度模型等方法，能够提升模型效果。

模型迭代

一个模型很难一次性就训练到最佳的效果，通常会需要结合模型评估报告和校验结果不断扩充数据和调优。

为此平台提供了模型迭代功能，即当模型训练完毕后，会生成一个最新的版本号，首次V1、之后V2……以此类推。可以通过调整训练数据和算法，多次训练，以获得适合业务需求的模型效果。

如果模型已经是上线状态，依然支持模型迭代，只是需要在训练完毕后更新线上服务接口，在接口地址不变的情况下可以持续优化效果。

检查并优化训练数据

• 新增训练数据
• 通过模型效果评估报告中的各分类的详细评估指标，有针对性地扩充训练数据
• 检查测试模型的数据与训练数据的文本类型与风格是否一致，如果不一致，那么很可能会存在模型效果不错但实际测试效果较差的情况。针对这种情况建议重新调整训练集，将训练数据与实际业务场景数据尽可能一致

选择高精度模型

在训练模型时，选择高精度的模型，将提升模型的预测准确率。

「高精度」算法内置文心大模型，将大数据预训练与多源丰富知识相结合，通过持续学习技术，不断吸收海量文本数据中词汇、结构、语义等方面的新知识，实现模型效果不断进化