refactor(tools): 优化 train_model 函数定义

- 添加类型注解，提高代码可读性和维护性
- 使用多行格式定义函数参数，提升代码格式美观

tools/model.py

@@ -31,8 +31,17 @@ def formatting_prompts(examples,tokenizer):
     return {"text": texts}
 
 
-def train_model(model, tokenizer, dataset, output_dir, learning_rate, 
-                per_device_train_batch_size, epoch, save_steps, lora_rank):
+def train_model(
+    model, 
+    tokenizer, 
+    dataset: list, 
+    output_dir: str, 
+    learning_rate: float, 
+    per_device_train_batch_size: int, 
+    epoch: int, 
+    save_steps: int, 
+    lora_rank: int
+) -> None:
     # 模型配置参数
     dtype = None  # 数据类型，None表示自动选择
     load_in_4bit = False  # 使用4bit量化加载模型以节省显存
@@ -75,8 +84,8 @@ def train_model(model, tokenizer, dataset, output_dir, learning_rate,
         chat_template="qwen-2.5",
     )
 
-    dataset = HFDataset.from_list(dataset)
-    dataset = dataset.map(formatting_prompts, 
+    train_dataset = HFDataset.from_list(dataset)
+    train_dataset = train_dataset.map(formatting_prompts, 
                         fn_kwargs={"tokenizer": tokenizer},
                         batched=True)
 
@@ -84,7 +93,7 @@ def train_model(model, tokenizer, dataset, output_dir, learning_rate,
     trainer = SFTTrainer(
         model=model, # 待训练的模型
         tokenizer=tokenizer,  # 分词器
-        train_dataset=dataset,  # 训练数据集
+        train_dataset=train_dataset,  # 训练数据集
         dataset_text_field="text",  # 数据集字段的名称
         max_seq_length=model.max_seq_length,  # 最大序列长度
         data_collator=DataCollatorForSeq2Seq(tokenizer=tokenizer),
@@ -96,7 +105,7 @@ def train_model(model, tokenizer, dataset, output_dir, learning_rate,
             warmup_steps=int(epoch * 0.1),  # 预热步数,逐步增加学习率
             learning_rate=learning_rate,  # 学习率
             lr_scheduler_type="linear", # 线性学习率调度器
-            max_steps=int(epoch * len(dataset)/per_device_train_batch_size), # 最大训练步数（一步 = 处理一个batch的数据）
+            max_steps=int(epoch * len(train_dataset)/per_device_train_batch_size), # 最大训练步数（一步 = 处理一个batch的数据）
             fp16=not is_bfloat16_supported(),  # 如果不支持bf16则使用fp16
             bf16=is_bfloat16_supported(),  # 如果支持则使用bf16
             logging_steps=1,  # 每1步记录一次日志