Unsloth官方发布本地微调大模型指南

对 LLM（大模型）进行微调可以定制其行为、增强并注入知识，并优化其在特定领域或任务上的表现。例如：

• GPT-4作为基础模型，然而，OpenAI 对其进行了微调，使其能够更好地理解指令和提示，最终打造出了如今大家使用的  ChatGPT-4。

• DeepSeek-R1-Distill-Llama-8B是 Llama-3.1-8B 的微调版本。DeepSeek 利用 DeepSeek-R1 生成的数据对 Llama-3.1-8B 进行了微调。这一过程被称为蒸馏（distillation），即将数据注入 Llama 模型，使其学习推理能力。

使用 Unsloth，我们可以在 Colab、Kaggle 或本地（仅需 3GB 显存）免费进行微调。通过在专业数据集上微调预训练模型（如 Llama-3.1-8B），你可以：

• 更新知识：引入新的领域知识。

• 定制行为：调整模型的语气、个性或回复风格。

• 优化任务：提高特定任务的准确性和相关性。

微调的典型应用场景

✅ 训练 LLM 预测某个新闻标题对公司是正面还是负面影响。
✅ 利用历史客户交互数据，提供更准确且个性化的回复。
✅ 在法律文本上微调 LLM，用于合同分析、判例研究和合规性审查。

你可以将微调后的模型理解为一个专门针对某些任务优化的特定 Agent，能够更高效地完成特定任务。微调可以复现 RAG 的所有能力，但 RAG 不能完全替代微调。

如果你是初学者，建议从 Llama 3.1（8B）这样的小型指令模型（Instruct Model）入手，并在此基础上进行实验。此外，你需要在 QLoRA 和 LoRA 训练方法之间做出选择：

• LoRA：微调 小型可训练矩阵（16-bit），无需更新所有模型权重。

• QLoRA：结合 LoRA + 4-bit 量化，能够以最小的资源处理超大规模模型。

你可以在 Hugging Face 上选择自己喜欢的模型，并匹配相应的模型名称，例如：unsloth/llama-3.1-8b-bnb-4bit。

此外，还有 3 个可调节的关键参数：

✅ max_seq_length = 2048 —— 控制上下文长度。虽然 Llama-3 支持 8192，但推荐使用 2048 进行测试。Unsloth 支持 4× 更长的上下文微调。

✅ dtype = None —— 默认为 None，对于较新的 GPU，建议使用 torch.float16 或 torch.bfloat16。

✅ load_in_4bit = True —— 启用 4-bit 量化，可在 16GB GPU 上减少 4 倍显存占用，在大显存 GPU（如 H100） 上关闭此选项可略微提升 1%～2% 的准确率。

推荐使用 QLoRA，它是目前最易用且高效的微调方法之一。Unsloth 的动态 4-bit 量化使 QLoRA 相比 LoRA 造成的精度损失已基本恢复。

除了微调，你还可以使用 Unsloth 进行：
🚀 推理（GRPO）
👀 视觉任务
🏆 奖励建模（DPO、ORPO、KTO）
📚 持续预训练
📝 文本补全

以及其他训练方法！

对于 LLM，数据集是可以用来训练模型的数据集合。为了能够用于训练，文本数据需要以可以 tokenize 的格式呈现。

通常，你需要创建一个包含两列的数据集 —— 问题和答案。数据的质量和数量将直接影响微调后的效果，因此确保这一部分正确至关重要。

你可以使用 ChatGPT 或本地 LLM 来合成生成数据并将数据集结构化（转换为问答对）。

微调可以永久性地融入已有文档库，并不断扩展其知识库，但仅仅将数据堆积起来并不会获得最佳效果。为了获得最佳结果，建议精心策划一个结构良好的数据集，理想情况下是问答对。这种方式有助于提高模型的学习、理解和回答准确性。

但并非总是如此。例如，如果你仅仅将所有代码数据直接用于微调，即使没有结构化的格式，模型的性能也可能会有显著提升。所以，这实际上取决于你的应用场景。

模型有数百万种超参数组合，选择合适的参数值对于获得良好的结果至关重要。你可以编辑下面的参数（数值），但其实可以忽略它们，因为我们已经选择了相当合理的参数值。

目标是调整这些参数，以提高准确性，同时避免过拟合。

过拟合是指语言模型记住了某个数据集的内容，却无法回答新的问题。我们希望最终的模型能够回答未见过的问题，而不是简单地进行记忆。以下是关键参数：

学习率（Learning Rate）

定义了模型在每个训练步骤中权重调整的幅度。

• 较高的学习率：训练速度更快，但有过拟合的风险。

• 较低的学习率：训练更稳定，但可能需要更多的训练轮次（epochs）。

• 典型范围：1e-4（0.0001）到 5e-5（0.00005）。

训练轮次（Epochs）

模型看到完整训练数据集的次数。

推荐：1-3轮（超过 3 轮通常不是最优的，除非你希望模型减少幻觉回答，但也会减少创造力）。

• 更多的训练轮次：有助于更好的学习，但也更容易过拟合。

• 较少的训练轮次：可能导致模型欠拟合。

避免过拟合和欠拟合

过拟合（过于专业化）模型记住了训练数据，无法推广到未见过的输入。解决方案：

• 降低学习率。
• 减少训练轮次。
• 将数据集与通用数据集结合，例如 ShareGPT。
• 增加 dropout 比例，引入正则化。

欠拟合（过于通用）虽然这种情况比较少见，但有时模型可能无法从训练数据中学习，给出的回答与基础模型类似。解决方案：

• 增加学习率。
• 训练更多轮次。
• 使用更符合领域的相关数据集。

微调没有单一的“最佳”方法，只有最佳实践。实验是找到适合你需求的方法的关键。

一切设置好后，就可以开始训练了！如果遇到问题，记住你可以随时调整超参数、数据集等内容。

在训练过程中，你会看到一些数字的日志！这些是训练损失（training loss），你的任务是调整参数，使其尽可能接近 0.5。如果你的微调没有达到 1、0.8 或 0.5，可能需要调整一些参数。如果损失降到 0，这通常也不是一个好兆头！

我们通常建议保持默认设置，除非你需要更长的训练时间或更大的批量大小。

• per_device_train_batch_size = 2 ：增加此值可以更好地利用GPU，但要注意可能会因为填充而导致训练速度变慢。相反，可以增加 gradient_accumulation_steps 以获得更平滑的训练过程。

• gradient_accumulation_steps = 4 ：模拟更大的批量大小，而不增加内存使用。

• max_steps = 60 ：加速训练。对于完整的训练，可以用 num_train_epochs = 1 来替代（建议 1-3 轮，以避免过拟合）。

• learning_rate = 2e-4 ：选择较低的学习率可以实现较慢但更精确的微调。可以尝试像 1e-4、5e-5 或 2e-5 这样的值。

评估

为了进行评估，你可以通过与模型聊天的方式进行手动评估，看看它是否符合你的需求。你也可以启用 Unsloth 的评估功能，但要记住，根据数据集的大小，这可能会比较耗时。为了加快评估速度，你可以：

• 减少评估数据集的大小，或
• 设置 evaluation_steps = 100。

对于测试，你也可以取 20% 的训练数据用于测试。如果你已经使用了所有的训练数据，那么就需要手动进行评估。你也可以使用像 EleutherAI 的 lm-evaluation-harness 这样的自动评估工具。需要注意的是，自动化工具可能无法完全符合你的评估标准。