引言
本文开始，进入到大模型微调领域。
之前一直在做 RAG 的相关内容，RAG 能够直接通过预先解析好的知识库，增强模型回答的输出质量。
然而，当知识库较大时，RAG 会显著增加检索搜索的时间，导致回答反应迟钝；并且，RAG的方案并不适合在线大模型的调用，因为它会将相关内容一起作为模型的输入内容，会造成token成本上升。
模型微调则没有 RAG 的相关缺点，通过训练微调，可以直接将知识内容“注入”到模型的参数本身中，问答时无需再经历检索。
但是，模型微调不像 RAG 那样比较直观，需要微调数据集整理、高配置训练环境和丰富的炼丹技巧三个必要条件。
其实，模型微调和 RAG 本质上是不冲突的。对于多数不变的知识(如规章制度、历史材料等)完全可以通过微调直接喂给大模型；而对于变化的知识(如新闻等)来不及再去整理微调，则可以通过 RAG 的方式对模型知识进行有效补充，同时可以减少 RAG 知识库的容量，让检索压力更小。
作为系列开篇，本文先在 windows 操作系统上，跑通LLaMA-Factory的模型微调过程，为后续探索奠定基础。
LLaMA-Factory 简介
经调研，用于大模型微调的框架根据github上的关注度，主要有以下产品：LLaMA-Factory(52.4k)、unsloth(40.6k)、DeepSpeed(38.9k)、peft(18.8k)和axolotl(9.6k)。
其中，LLaMA-Factory不仅热度最高，而且还是国人维护，自然成为首选。
LLaMA-Factory支持直接通过命令行或 Web UI去微调模型，无需编写代码，其支持各种模型LLaMA、DeepSeek、Qwen等多种模型微调，集成了各种训练主流方法。
项目文档：llamafactory.readthedocs.io/zh-cn/lates…
安装
下面开始安装，下载项目
git clone --depth 1 https://github.com/hiyouga/LLaMA-Factory.git
cd LLaMA-Factory
使用uv安装环境依赖
uv sync --extra torch --extra metrics --prerelease=allow
检测pytorch是否可用
python -c "import torch; print(torch.cuda.is_available())"
windows用户会输出False，需要卸载重新安装gpu版本。
uv pip uninstall torch torchvision
uv pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
再次检测，此时输出True，则表明安装成功。
LLaMA-Factory 版本校验：
llamafactory-cli version
输出以下内容，表明安装成功。
数据集准备
官方文档中介绍了指令监督微调、预训练、多模态等多种类型的数据集。
本文只关注第一种指令监督微调数据集，LLaMA Factory中支持Alpaca和ShareGPT。
1. Alpaca 数据集格式
Alpaca 格式的数据集结构示例如下：
{
"instruction": "计算这些物品的总费用。 ",
"input": "输入：汽车 - $3000，衣服 - $100，书 - $20。",
"output": "汽车、衣服和书的总费用为 $3000 + $100 + $20 = $3120。"
},
其中instruction对应人类指令，input对应人类输入，output对应模型回答。
在微调过程中，instruction和input会拼接起来输入到模型中。
Alpaca 格式可以进一步支持系统提示词system和对话历史history，完整的结构如下：
[ { "instruction": "人类指令（必填）", "input": "人类输入（选填）", "output": "模型回答（必填）", "system": "系统提示词（选填）", "history": [ ["第一轮指令（选填）", "第一轮回答（选填）"],
["第二轮指令（选填）", "第二轮回答（选填）"]
]
}
]
2. ShareGPT 数据集格式
相比 alpaca 格式的数据集， sharegpt 格式支持 更多的角色种类，例如 human、gpt、observation、function 等等。它们构成一个对象列表呈现在 conversations 列中，示例如下：
{
"conversations": [
{
"from": "human",
"value": "你好，我出生于1990年5月15日。你能告诉我我今天几岁了吗？"
},
{
"from": "function_call",
"value": "{"name": "calculate_age", "arguments": {"birthdate": "1990-05-15"}}"
},
{
"from": "observation",
"value": "{"age": 31}"
},
{
"from": "gpt",
"value": "根据我的计算，你今天31岁了。"
}
],
"tools": "[{"name": "calculate_age", "description": "根据出生日期计算年龄", "parameters": {"type": "object", "properties": {"birthdate": {"type": "string", "description": "出生日期以YYYY-MM-DD格式表示"}}, "required": ["birthdate"]}}]"
}
该结构中，human 和 observation 必须出现在奇数位置，gpt 和 function 必须出现在偶数位置，完整结构格式如下：
[ { "conversations": [ { "from": "human", "value": "人类指令" }, { "from": "function_call", "value": "工具参数" }, { "from": "observation", "value": "工具结果" }, { "from": "gpt", "value": "模型回答" } ],
"system": "系统提示词（选填）",
"tools": "工具描述（选填）"
}
]
具体使用方式
1. 启动应用
通过以下命令，启动webui界面：
llamafactory-cli webui
浏览器访问http://localhost:7860，进入到主界面。
2. 下载模型
在主界面中，选择模型后，默认会从huggingface上去下载模型，在国内网络情况下，建议先从 modelscope 中下载好模型。
以下载Llama-3.2-1B-Instruct为例，先安装modelscope依赖：
uv pip install modelscope
下载模型，到本地目录models文件夹：
modelscope download --model LLM-Research/Llama-3.2-1B-Instruct --local_dir ./models
下载完后，就可以通过指定模型的绝对路径，去进行模型加载。
3. 数据集准备
在项目的data文件夹中，自带了不少数据集示例。
前端界面中，可选择加载自带的数据集示例，并进行显示查看。
4. 开始训练
选择完数据集后，就可以点击“开始”按钮，直接开始训练。
实测发现，Llama-3.2-1B模型全量训练，会报显存，因此，调整为Freeze模式，即冻结部分参数，默认只训练最后两层，具体可通过可训练层数进行控制。
训练时，下方会展示训练日志和进度。
损失曲线会实时更新，默认是训练三个epoch，损失不断降低，说明训练有效果。
默认每100步会保存一个checkpoint，最终的结果会在saves文件夹中自动生成。
5. 模型测试
训练完之后，可以进行模型评估，不过在训练时，验证集比例默认为0，未划分验证集，评估就不会太有意义。
此外，可通过chat模块加载模型，进行问答测试。
下面测试了一下微调前后的模型回答效果(该问题在上面的数据集截图中有被训练)：
微调前
微调后
结果发现，微调后有一点优化后的感觉，但效果不是特别明显，可能和模型参数和训练轮次太少都有关系。之后将在服务器上训练更大的模型，并增加训练轮次，再测试效果。
总结
在初次体验模型微调的流程后，发现模型微调这一块的基础工具已经做的相当成熟，已经无需再编写代码去进行微调。
但是，LLaMA-Factory可选参数非常多，不同参数的选取对结果肯定会有很大影响，如何调参变成了代码之上更高一层的学问。初次踏入这个领域，让我想到了牛顿“沙滩上的孩童”比喻，里面有太多值得继续深挖探索的研究点，像是小孩看见玩具那样令人兴奋。
