一文搞懂大模型的微调 - （LLaMA-Factory和QLoRA）大模型入门到精通，收藏这篇就足够了！

LLaMA Factory 是一个简单易用且高效的大型语言模型（Large Language Model）训练与微调平台。通过 LLaMA Factory，可以在无需编写任何代码的前提下，在本地完成上百种预训练模型的微调。

LLaMA Factory支持多种训练算法（如（增量）预训练、（多模态）指令监督微调等），提供多种运算精度（如 16 比特全参数微调、QLoRA 微调等），支持多种推理引擎（如 Transformers、vLLM）。

******一、******LLaMA-Factory

什么是LLaMA-Factory？全称Large Language Model Factory，即大型语言模型工厂。它支持多种预训练模型和微调算法，提供了一套完整的工具和接口，使得用户能够轻松地对预训练的模型进行定制化的训练和调整**，以适应特定的应用场景。**

**LLaMA-Factory提供了简洁明了的操作界面和丰富的文档支持，使得用户能够轻松上手并快速实现模型的微调与优化。**用户可以根据自己的需求选择不同的模型、算法和精度进行微调，以获得最佳的训练效果。

1. 支持的模型：LLaMA-Factory支持多种大型语言模型，包括但不限于LLaMA、Qwen、DeepSeek、Baichuan、ChatGLM 等等。
2. 训练算法：（增量）预训练、（多模态）指令监督微调、奖励模型训练、PPO 训练、DPO 训练、KTO 训练、ORPO 训练等等。
3. 运算精度：16 比特全参数微调、冻结微调、LoRA 微调和基于2/4/8 比特 QLoRA 微调。

****什么是LoRA和QLoRA？****LoRA (Low-Rank Adaptation) 和 QLoRA (Quantized Low-Rank Adaptation) 都是用于高效微调大型语言模型的重要技术。

LoRA不直接修改原模型权重**，而是添加低秩矩阵来学习变化。具体来说，LoRA将权重更新分解为两个小矩阵的乘积：A × B，其中 A 和 B 的维度远小于原权重矩阵，让原权重矩阵保持冻结，只训练新增的低秩矩阵，这样可以大幅减少可训练参数（通常只需要原模型1-3%的参数）。**

QLoRA结合了模型量化和低秩适配两种技术。它首先对预训练模型的参数进行量化处理，以减少存储需求和计算负担。然后，在量化后的模型上应用LoRA技术。这样QLoRA通过将16比特量化到4比特，内存占用减少至LoRA的1/4以下，支持单卡训练超大规模模型。****

二、微调（Fine-Tuning）

如何使用LLaMA-Factory进行模型微调？使用LLaMA-Factory进行模型微调是一个涵盖从选择模型、数据加载、参数配置到训练、评估优化直至部署应用****的全面且高效的流程。

1. 选择模型：根据应用场景和需求选择合适的预训练模型。

• **设置语言：**进入WebUI后，可以切换到中文（zh）。
• **配置模型：**选择LLaMA3-8B-Chat模型。
• 配置微调方法：微调方法则保持默认值lora，使用LoRA轻量化微调方法能极大程度地节约显存。

2. 加载数据：将准备好的数据集加载到LLaMA-Factory中。

• LLaMA-Factory项目内置了丰富的数据集，放在了data目录下。同时也可以自己准备自定义数据集，将数据处理为框架特定的格式，放到指定的data目录下。

3. 配置参数：根据实际情况调整学习率、批次大小等训练参数。

• **学习率+梯度累积：**设置学习率为1e-4，梯度累积为2，有利于模型拟合。
• **计算类型：**如果是NVIDIA V100显卡，计算类型保持为fp16；如果使用了AMD A10系列显卡，可以更改计算类型为bf16。

• **LoRA参数设置：**设置LoRA+学习率比例为16，LoRA+被证明是比LoRA学习效果更好的算法。在LoRA作用模块中填写all，即将LoRA层挂载到模型的所有线性层上，提高拟合效果。

4. 开始训练：启动训练过程，并监控模型的训练进度和性能表现。

5. 输出目录：将输出目录修改为train_llama3，训练后的LoRA权重将会保存在此目录中。

6. **预览命令：**点击「预览命令」可展示所有已配置的参数，如果想通过代码运行微调，可以复制这段命令，在命令行运行。

7. **开始：**点击「开始」启动模型微调。

• **训练完毕：**启动微调后需要等待一段时间，待模型下载完毕后可在界面观察到训练进度和损失曲线。模型微调大约需要20分钟，显示“训练完毕”代表微调成功。

5. 评估与优化：使用LLaMA-Factory提供的评估工具对模型性能进行评估，并根据评估结果进行针对性的优化。

• **刷新适配器：**微调完成后，点击页面顶部的「刷新适配器」
• **适配器路径：**点击适配器路径，即可弹出刚刚训练完成的LoRA权重，点击选择下拉列表中的train_llama3选项，在模型启动时即可加载微调结果。

• **评估模型：**选择「Evaluate&Predict」栏，在数据集下拉列表中选择「eval」（验证集）评估模型。
• **输出目录：**更改输出目录为eval_llama3，模型评估结果将会保存在该目录中。
• **开始评估：**最后点击开始按钮启动模型评估。

• **评估分数：**模型评估大约需要5分钟左右，评估完成后会在界面上显示验证集的分数。
• **ROUGE分数：**其中ROUGE分数衡量了模型输出答案（predict）和验证集中标准答案（label）的相似度，ROUGE分数越高代表模型学习得更好。

6. 部署应用：将训练好的模型部署到实际应用场景中，实现其功能和价值。

• **加载模型：**选择「Chat」栏，确保适配器路径是train_llama3，点击「加载模型」即可在Web UI中和微调模型进行对话。

• ****卸载模型：****点击「卸载模型」，点击“×”号取消适配器路径，再次点击「加载模型」，即可与微调前的原始模型聊天。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！