全栈大模型微调框架LLaMA Factory：从预训练到RLHF的高效实现-CSDN博客

LLaMAFactory是一个由北京航空航天大学的郑耀威开发的开源框架，用于高效微调大模型。它在GitHub上广受欢迎，支持上百种模型的适应和优化，包括LoRA加速和微调技巧。分享将深入解析框架的构建和使用方法，助力科学研究和工程实践。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

主题

全栈大模型微调框架LLaMA Factory：从预训练到RLHF的高效实现

个人简介

郑耀威，北京航空航天大学博士生。以第一作者在CVPR、AAAI、WWW等国际会议发表多篇论文，担任AAAI、EMNLP、Neural Computation等会议和期刊审稿人。获得华为杯、蓝桥杯全国一等奖、北航大学生年度人物、北航博士生奖学金。大模型微调框架LLaMA Factory发起人和主要开发者，GitHub开源项目获得超过1万Stars。

项目地址：https://github.com/hiyouga/LLaMA-Factory

内容概要

LLaMA Factory是一个高效、易用、可扩展的开源全栈大模型微调框架，半年内在GitHub开源社区获得10000关注，并得到Hugging Face、Avalon Labs、美团等多家国内外企业的关注或落地应用。本次分享将从大模型高效训练的角度详细剖析LLaMA Factory的构建动机与组成模块，包括上百种大模型的全栈微调适配原理，LoRA算子优化加速方法，多种微调Trick集成思路等等。

引言部分

LLaMA、Mistral、Qwen、ChatGLM等国内外大模型在开源后得到了众多关注，然而如何将大模型适配到各自的任务上，则依赖于对大模型的进一步微调。LLaMA Factory作为一个通用、高效的大模型微调框架，能在消费级的硬件资源上对上百种大模型完成调优，并使用不同形态的数据集解锁大模型的通用理解、多轮对话、工具调用等能力。LLaMA Factory通过简单高效的实现，使我们能够在短时间内开展多样化的科学研究和工程应用。