【强烈收藏】大模型微调从入门到精通：技术团队协作必备指南

关注

原创最新推荐文章于 2026-08-20 14:16:30 发布 816 阅读 AI 写同款· GEO 优化 ›

2026.5.3：Ubuntu26.04下uv所需的环境变量pyproject.toml 本文档提供了Python开发环境的配置指南。主要包括：设置环境变量（HF_ENDPOINT、UV_PYTHON_INSTALL_MIRROR等）创建pyproject.toml配置文件，定义项目元数据（名称、版本等）指定依赖项（torch系列库）及其安装源（PyTorch官方CUDA 12.8镜像）配置Python版本要求（>=3.13,<3.14）设置平台限制（Linux/Windows）该配置适用于需要PyTorch CUDA 12.8支持的项目开发环境搭建。阅读详情

本篇旨在为您提供关于大模型微调（Fine-Tuning）的快捷、直观的解答。

我们尽量避免技术黑话，用简单的比喻和直白的解释，

让您快速掌握微调的核心概念，对其效果、成本和流程有一个清晰的认知，从而能更有效地与技术团队协作。

我们开始：

什么是微调

微调是指在已经训练好的大型预训练模型的基础上，进一步训练该模型以适应特定任务或特定领域的数据。

相比从零开始训练一个模型，微调所需的数据和计算资源显著减少；可以在特定任务上取得更好的性能，因为模型在微调过程中会重点学习与任务相关的特性；

可以在多种领域（如情感分析、问答系统等）上进行微调，从而快速适应不同应用场景。

简单来说：微调 = 用你自己的数据，对通用大模型进行二次训练，让它专精于你的特定任务。

需要注意的是：培训后，它主要更擅长你教的这一件事。它原有的通用知识不会被清空，但如果你教的内容太多太偏（数据量巨大或与通用知识冲突），它可能会把以前学的一些不常用的东西忘掉一点，这被称为“灾难性遗忘”。

但是这不一定是坏事，微调的目标就是在“专精于新任务”和“保留通用能力”之间找到一个最佳平衡点。

如果只是微调一个小模型让它去做一个特定的任务，就无需太关注这个问题。

LoRA

微调通常分为全量微调和高效微调，通常我们会选择高效微调，而LoRA是高效微调的一种。

全量参数精调与 LoRA 的方式，这两种方式的主要区别为：

全量参数精调指利用所有可用数据来重新训练模型，以全面优化其参数。上限比较高，能够取得更好的业务指标，但是对训练数据质量、数量的要求以及计算资源的需求较高。如果训练数据质量、数量不够，全量参数精调会大幅破坏模型的原有基础任务能力。
LoRA 微调是一种参数高效的微调方法，旨在通过引入低秩矩阵来减少微调时需要调整的参数数量，从而显著降低显存和计算资源的消耗。能够较好保持原有模型的能力，需要的计算资源也较少（根据 LoRA 的 rank 超参，训练时间大约为全量参数精调的1/2-1/10）。但是模型能力的上限较低，受限于训练时选用的基座模型。

因此，当数据量比较少（低于1万），且任务类型比较单一，推荐使用 LoRA 的方式进行精调。

对于在大模型领域有经验的同学，同时拥有丰富的高质量训练数据，建议使用全量参数精调的方式。

本文中讲到微调相关操作、成本等，都是基于高效微调。

微调和RAG的区别

一言以蔽之：RAG解决大模型数据不足的问题，微调解决大模型任务执行能力不足问题。

也就是说：RAG是“注入最新的、外部的、私有的知识”，而微调是“改变模型的内在行为模式（风格、格式、偏好）和深化其已有知识”。

例如：

我们要让大模型回复我们企业内的某些资料问题，大模型做不到，此时就需要用RAG来解决。

我们要让大模型帮我们执行某个任务，大模型做不到，此时就需要用微调来解决。

当提示词工程（Prompt Engineering）和检索增强生成（RAG）都无法让模型100%达到你的要求时，微调就是最终的解决方案：

风格与语气：你需要模型的输出符合你品牌的独特口吻（比如“海底捞”式的热情客服 or “苹果”式的极简文案）。
任务与格式：你需要模型完成非常规任务，或者输出特定结构的数据（例如，将一段混乱的会议纪要自动整理成标准的JIRA ticket格式）。
知识与术语：你的业务涉及大量内部知识、缩写、行业黑话，通用模型无法正确理解和使用。

微调的数据集和常用超参

明确业务场景和微调需求

找到准备微调的任务： 根据自己的目标或业务需求来决定要进行的微调任务。
测试大模型能力： 使用主流的大模型，对自己的准备微调的业务问题进行批量测试，评估该任务场景是否现有大模型已经做得足够好了，根据评估结果选择使用原生大模型，或者准备一批更高质量的数据集进行微调。
确定微调任务场景： 针对某一种特定的任务场景，准备约几千条高质量精调数据即可让大模型学会这项能力，发挥出良好的效果。通常使用具有强烈业务属性的数据集在开源基座模型上进行精调，就能比较显著地提升模型在业务上的能力；

明确高质量训练数据的标准

数据集的问答需要尽可能完美的满足业务的期望（例如回答逻辑性、风格、语气等），并且答案是绝对正确的。

因为数据集是用来解决实际问题，并且这些数据是大模型学习过程中的重要依据。微调过程中大模型会去理解数据集的回答以及表达风格，如果数据存在瑕疵，大模型也会把这些瑕疵学到，从而影响最终的效果。

数据集的指令需要多样化，以避免大模型产生对某些短语的过拟合，而忽略了自然语言的实际含义。

例如对于一个阅读理解数据集，只包含了一种指令“根据以下已知内容，请回答问题并说明原因。已知内容：xxxxx。问题：xxxx”。大模型经过这个数据的精调后很有可能会出现这样的情况：大模型一旦看到“根据以下已知内容”这个短语作为输入，他就自然而然地在回答问题的同时说明原因。因为大模型通过这批数据的学习，很有可能错误地认为“根据以下已知内容”与“回答时要说明原因”是等价的。这样如果用户输入“根据以下已知内容，请回答问题，要求只回复答案，不要做其他解释。已知内容：xxxxx。问题：xxxx”，大模型还是会回复原因。这种针对指令的过拟合现象是需要去避免的，解决办法就是扩充数据集的指令集，做到问题与回答的类型多样、场景多样、避免重复

数据集的准备可以由少到多，先从少量数据开始微调，然后逐步增加数据量，直到达到预期的效果。
训练数据集：验证数据集：测试数据集（7: 1.5: 1.5）
数据集的格式，通常都是用SFT的数据格式进行微调。

SFT：通过有监督的方式精调模型，从而提升模型在特定任务上的指令遵循能力

[   {    "instruction":"你是一个聊天机器人，能理解并回答问题",    "input":"你知道会当凌绝顶,一览众山小，这句诗词描述的是哪座山么？",    "output":"黄山，我上周刚去爬了黄山，风景很优美。"  },]

DPO：基于成对的正负反馈数据，直接训练大模型，使其更符合人类偏好。SimPO的数据格式和DPO差不多。

[  {    "question":"地球为什么会自转？",    "positive_answer":"地球自转是由于形成初期的角动量守恒，原始星云坍缩时的旋转运动转化为地球的自转，周期约为24小时。",    "negative_answer":"因为地球围绕太阳公转产生了引力作用，所以导致自转。（错误：公转与自转成因不同）"  },  {    "question":"相对论的提出者是谁？",    "positive_answer":"相对论由阿尔伯特·爱因斯坦在20世纪初提出，包括狭义相对论和广义相对论。",    "negative_answer":"牛顿提出了相对论。（错误：牛顿的主要贡献是经典力学）"  }]

KTO：单条回答 + 人类反馈标签，根据人类正向或负向反馈进行模型训练，高效对齐人类行为偏好

[  {"instruction":"如何学英语？","output":"每天坚持阅读英文文章。","kto_tag":true}]

常用超参

epoch：迭代轮次，选择适合的轮次，太高会过拟合，过拟合会导致通用能力下降。通常数据量越多，训练轮次就越少（数据量不够就需要更多次的训练）。例如2千条数据5轮，2万条数据2轮。训练结果不好时，更推荐增加数据的多样性，提升数据量，而不是简单的多训几个 epoch。
批处理大小：越大就越越能加速训练。在计算资源（主要是显存）允许的条件下，尽可能提升批量大小。该批量大小和模型参数大小以及序列长度高度相关，也将很大程度上影响训练时间。同时建议在训练中要保证有足够的迭代次数（1000步以上），迭代次数由数据量、迭代轮数、批量大小来决定。在数据量较小，又不适合过多地增加迭代轮数，则可以适当减少批量大小。批次更小的情况下，泛化能力通常更好
学习率：它决定了每次更新时权重的调整程度，初始学习率建议选择5e-6（0.000005）至1e-5（0.00001）之间。通常问题越复杂学习率越小，数据集越大学习率越大。通常，较大的学习率可能导致模型在训练过程中波动较大，收敛困难；较小的学习率可能导致收敛速度慢。
序列长度：在训练代码中，会根据设置的序列长度，对训练数据进行截断。需要根据自己的训练数据的最长序列长度进行设置，以保证某些重要的数据不会被错误截断。为了提高训练效率，可以将不同长度的数据进行分批次训练（例如先训4k再训8k）。在设置序列长度时，需要对基座模型进行核对，看是否支持相应的序列长度。
迭代次数 = epochs × (样本数 / batch_size)。 max_steps作为迭代步数的上限，会覆盖epochs

微调租用算力和三方平台的对比

确定了微调使用SFT之后，我们就要决定如何进行微调

租用算力进行微调

优点：

算力租用费用便宜，整体的微调过程可以进行多次的微调尝试，直到最终得到效果好
只要是开源模型，都可以随意下载微调

缺点：

此方式对技术能力要求较高。
需要有微调的技术能力，能够对算力资源有效的控制，掌握PyTorch/TensorFlow、Linux和GPU环境配置知识，细腻的控制超参。
微调后的模型，长期部署，需要大量的费用

使用三方平台进行微调

优点是：

对技术能力要求不高，但是对超参的设置经验有要求。
三方提供微调功能，可以直接使用，不需要处理环境等问题，准备好数据就可以直接微调。
模型微调完成后，支持在平台一键部署，费用和基础模型的费用是一致的，没有额外的部署费用。

缺点：

不同的平台数据格式要求不一样，需要把自备的SFT数据格式修改成所用平台需要的
模型通常只能选择平台自己的模型进行微调。例如百炼能微调Qwen，火山能微调豆包等
微调是按照tokens收费的，模型越大费用越高，例如：百炼的Qwen3 8B是0.006 元/千Token，而32B则是 0.04 元/千Token

由于三方平台按照每次微调的tokens收费，而租用算力后期的部署又很贵。

那么根据二者的优缺点，我们可以做这样的一个选择：二者结合使用。

例如我们想微调Qwen模型，我们可以先租用算力，下载Qwen进行微调测试，当微调需要的超参调整好后，我们可以直接用这些超参和我们的微调数据去百炼平台进行微调。

微调成功后，就可以直接部署到百炼，提供给业务使用。

算力租用和三方平台介绍

算力租用我们通常会选择autodl平台进行租用，价格非常便宜。4090 2.09/小时，H20 7.35/小时。

三方平台：

阿里的百炼可以微调Qwen系列模型
字节的火山可以微调豆包系列模型
百度的千帆可以微调文心系列模型
讯飞星火、智谱清言也可以对微调自有的模型

微调的成本

微调的成本我们按照时间成本和金钱成本分开来看：

时间成本：

可能有读者在其他地方看到过，微调需要的数据2千条左右就足够了，

但实际上，这所谓的2千条数据必须是一个质量非常好的数据集才行。

我们的数据人员要整理质量很高的数据，通常能做到200-300条/人/天，这就需要大约两人做一周的时间。

拿到数据之后，我们要开始进行微调的超参设置和调整，已达到最好的效果。

根据不同的算力、不同的数据大小，微调的时间是不一样的，大约2-3天能够完成第一次微调任务。

金钱成本：

这里之谈微调算力需要的金钱成本，不谈其他

如果是开源模型，可以选择先在autoDL上进行微调，得到好结果之后，再去平台微调部署，这样可以节约成本。

算力和部署所需要的资源放到下图，算力单价 * 卡数 * 时长可以大概估算出自身微调所需的费用。

微调所需算力资源

部署所需算力资源

如果不是开源模型，就只能在三方平台进行微调，费用会按照tokens收费，给大家两个平台的收费标准：

百炼训练费用 8B是0.006 元/千Token、32B是 0.04 元/千Token；训练费用 =（训练数据tokens + 混合训练数据tokens）✖ 循环次数 ✖ 训练单价。
火山训练费用 0.03 元/千Token；训练费用 = 数据集总 tokens ✖ 精调单价 ✖ 迭代轮次；若 tokens 数小于 1000，将会上取整为 1000 tokens 计算

综合来说，我们要得到有效果的微调通常前后要花费千元以上。微调次数越多，花费越多。