ModelScope中 我自己的dataset.jsonl数据量少，一千条左右，该怎么做？

nproc_per_node=1
CUDA_VISIBLE_DEVICES=0,1,2,3 \
torchrun \
--nproc_per_node=$nproc_per_node \
--master_port 29500 \
llm_sft.py \
--model_type modelscope-agent-7b \
--sft_type lora \
--output_dir runs \
--dataset dataset.jsonl \
--dataset_sample -1 \
--num_train_epochs 3 \
--dataset_test_size 0.02 \
--max_length 2048 \
--dtype bf16 \
--lora_rank 8 \
--lora_alpha 32 \
--lora_dropout_p 0.01 \
--batch_size 1 \
--learning_rate 1e-4 \
--eval_steps 1 \
--save_steps 1 \
--save_total_limit 2 \
--logging_steps 20 \
--use_flash_attn true \
--ddp_backend nccl \
--gradient_accumulation_steps $(expr 16 / $nproc_per_node) \ModelScope中 我自己的dataset.jsonl数据量少，一千条左右，我设的参数如上，推理好像没学到特征，能帮我看下吗？报错，--lora_target_modules ALL这个参数，要和其他参数一起调整吗？