Сравнение инструментов для тонкой настройки

Выберите подходящий фреймворк для дообучения LLM на GPU-серверах Clore.ai.

Дообучение адаптирует предварительно обученную LLM под вашу конкретную задачу или домен. Это руководство сравнивает четыре ведущих открытых инструмента: Unsloth, Axolotl, LLaMA-Factory и TRL — охватывая скорость, эффективность памяти, поддерживаемые модели и простоту использования.

---

Краткая матрица принятия решений

	Unsloth	Axolotl	LLaMA-Factory	TRL
Лучше всего для	Скорость + память	Обучение через конфигурацию	Подходит для новичков	Исследования + RLHF
Скорость vs базовая	2-5× быстрее	~1× (стандарт)	~1× (стандарт)	~1× (стандарт)
Снижение использования памяти	На 70-80% меньше	Стандарт QLoRA	Стандарт QLoRA	Стандарт
RLHF/DPO/PPO	Базовый	✅	✅	✅ (встроено)
Веб-интерфейс	❌	❌	✅	❌
Звезды на GitHub	23K+	9K+	37K+	10K+
Лицензия	LGPL (бесплатно для некоммерческого использования)	Apache 2.0	Apache 2.0	Apache 2.0

---

Обзор

Unsloth

Unsloth целенаправленно сосредоточен на одном: сделать дообучение максимально быстрым и экономичным по памяти. Он переписывает ключевые операции на Triton и оптимизирует CUDA-ядра.

Философия: Максимальная скорость, минимальное использование VRAM — без компромиссов.

from unsloth import FastLanguageModel
import torch

model, tokenizer = FastLanguageModel.from_pretrained(
    model_name="unsloth/Llama-3.2-8B-Instruct",
    max_seq_length=2048,
    load_in_4bit=True,  # 4-битная квантзация
)

model = FastLanguageModel.get_peft_model(
    model,
    r=16,              # ранг LoRA
    target_modules=["q_proj", "k_proj", "v_proj", "up_proj", "down_proj"],
    lora_alpha=16,
    lora_dropout=0,
    bias="none",
    use_gradient_checkpointing="unsloth",  # ~30% больше размера батча
    random_state=42,
)

Axolotl

Axolotl оборачивает HuggingFace Transformers системой конфигурации на YAML. Он снимает сложность настройки обучения, чтобы вы могли сосредоточиться на данных и гиперпараметрах.

Философия: Всё через YAML, при этом под капотом полная гибкость.

# config.yml
base_model: meta-llama/Meta-Llama-3-8B
model_type: LlamaForCausalLM
tokenizer_type: AutoTokenizer

datasets:
  - path: mhenrichsen/alpaca_data_cleaned
    type: alpaca

load_in_4bit: true
adapter: qlora

lora_r: 32
lora_alpha: 16
lora_target_modules:
  - q_proj
  - k_proj
  - v_proj
  - o_proj

num_epochs: 3
micro_batch_size: 2
gradient_accumulation_steps: 4
learning_rate: 2e-4

LLaMA-Factory

LLaMA-Factory поддерживает самый широкий набор моделей (100+) и методов обучения, с веб-интерфейсом для конфигурации. Это наиболее доступный вариант для не исследователей.

Философия: Всё работает, для всех.

# Обучение через командную строку
llamafactory-cli train \
  --model_name_or_path meta-llama/Meta-Llama-3-8B \
  --stage sft \
  --do_train \
  --dataset alpaca_gpt4_en \
  --template llama3 \
  --finetuning_type lora \
  --lora_rank 8 \
  --output_dir saves/llama3-8b-lora \
  --num_train_epochs 3.0 \
  --per_device_train_batch_size 2

# Или используйте WebUI
llamafactory-cli webui

TRL (Transformer Reinforcement Learning)

TRL — официальная библиотека HuggingFace для RLHF. Это стандарт для PPO, DPO, ORPO и других методов выравнивания.

Философия: В первую очередь для исследований, выравнивание встроено нативно.

from trl import SFTTrainer, SFTConfig
from transformers import AutoModelForCausalLM, AutoTokenizer
from datasets import load_dataset

model = AutoModelForCausalLM.from_pretrained("meta-llama/Meta-Llama-3-8B")
tokenizer = AutoTokenizer.from_pretrained("meta-llama/Meta-Llama-3-8B")

training_args = SFTConfig(
    output_dir="./results",
    num_train_epochs=3,
    per_device_train_batch_size=2,
    gradient_accumulation_steps=4,
    learning_rate=2e-4,
    logging_steps=10,
)

trainer = SFTTrainer(
    model=model,
    tokenizer=tokenizer,
    args=training_args,
    train_dataset=load_dataset("tatsu-lab/alpaca", split="train"),
)

trainer.train()

---

Бенчмарки скорости

Сравнение скорости обучения (токенов/секунда)

Условия теста: LLaMA 3.1 8B, LoRA r=16, 4-битная квантзация, размер батча 4, A100 80GB

Инструмент	Токенов/с	vs Базовый	Память (VRAM)
Unsloth (4-бит)	~4,200	2.8×	~8 ГБ
Axolotl (QLoRA)	~1,500	1.0×	~16GB
LLaMA-Factory (QLoRA)	~1,480	~1.0×	~16GB
TRL (QLoRA)	~1,450	~0.97×	~18GB
Unsloth (полный 16-бит)	~2,800	1.9×	~22GB

Преимущество Unsloth реально: Скорость 2-5× достигается за счёт кастомных Triton-ядр для attention, cross-entropy, RoPE и LoRA. Это не просто маркетинг.

Сравнение использования VRAM

Обучение LLaMA 3.1 8B, длина последовательности 2048:

Метод	Unsloth	Axolotl	LLaMA-Factory	TRL
Полное дообучение (bf16)	60GB	70GB	72GB	74GB
LoRA (bf16)	18GB	24GB	25GB	26GB
QLoRA (4-бит)	8 ГБ	16GB	16GB	18GB
QLoRA (4-бит, длинный контекст)	12GB	24GB	24GB	26GB

Минимальная видеокарта для модели 8B:

• Unsloth: RTX 3080 (10GB) ✅

• Остальные: требуется RTX 3090 (24GB)

---

Поддерживаемые модели

Матрица поддержки моделей

Семейство моделей	Unsloth	Axolotl	LLaMA-Factory	TRL
LLaMA 3.x	✅	✅	✅	✅
LLaMA 2	✅	✅	✅	✅
Mistral	✅	✅	✅	✅
Mixtral MoE	✅	✅	✅	✅
Gemma 2	✅	✅	✅	✅
Phi-3/3.5	✅	✅	✅	✅
Qwen 2.5	✅	✅	✅	✅
DeepSeek	✅	✅	✅	✅
Falcon	✅	✅	✅	✅
GPT-NeoX	Частично	✅	✅	✅
T5/FLAN	❌	✅	✅	✅
BERT/RoBERTa	❌	✅	✅	✅
Vision LLMs	Частично	Частично	✅	✅

Поддержка методов обучения

Метод	Unsloth	Axolotl	LLaMA-Factory	TRL
Полное дообучение	✅	✅	✅	✅
LoRA	✅	✅	✅	✅
QLoRA	✅	✅	✅	✅
DoRA	✅	✅	✅	❌
PEFT	✅	✅	✅	✅
SFT	✅	✅	✅	✅ (встроено)
DPO	✅	✅	✅	✅ (встроено)
PPO	❌	✅	✅	✅ (встроено)
ORPO	✅	✅	✅	✅
KTO	❌	✅	✅	✅ (встроено)
GRPO	✅	❌	✅	✅
CPT (продолженное предобучение)	✅	✅	✅	✅

---

Unsloth: подробности

Что делает его быстрым

1. Triton-ядра: Переписывает Flash Attention, функцию потерь cross-entropy и LoRA на Triton

2. Слитые операции: Объединяет несколько CUDA-операций в одно ядро

3. Умная проверка градиентов (gradient checkpointing): Режим "unsloth" сохраняет примерно на 30% больше памяти

4. Эффективный обратный проход: Избегает материализации больших промежуточных тензоров

Установка на Clore.ai

# CUDA 12.1
pip install "unsloth[colab-new] @ git+https://github.com/unslothai/unsloth.git"
pip install --no-deps trl peft accelerate bitsandbytes

# Или с conda
conda create --name unsloth_env python=3.11
conda activate unsloth_env
conda install pytorch-cuda=12.1 pytorch cudatoolkit xformers -c pytorch -c nvidia -c xformers -y
pip install "unsloth[colab-new] @ git+https://github.com/unslothai/unsloth.git"
pip install --no-deps trl peft accelerate bitsandbytes

Полный скрипт обучения

from unsloth import FastLanguageModel
from trl import SFTTrainer
from transformers import TrainingArguments
from datasets import load_dataset
import torch

# 1. Загрузите модель с оптимизациями Unsloth
model, tokenizer = FastLanguageModel.from_pretrained(
    model_name="unsloth/Meta-Llama-3.1-8B-Instruct",
    max_seq_length=2048,
    dtype=None,        # Автовыбор
    load_in_4bit=True,
)

# 2. Добавьте адаптер LoRA
model = FastLanguageModel.get_peft_model(
    model,
    r=16,
    target_modules=["q_proj", "k_proj", "v_proj", "o_proj",
                    "gate_proj", "up_proj", "down_proj"],
    lora_alpha=16,
    lora_dropout=0,
    bias="none",
    use_gradient_checkpointing="unsloth",
    random_state=3407,
)

# 3. Загрузите и подготовьте датасет
dataset = load_dataset("tatsu-lab/alpaca", split="train")

def format_prompt(example):
    return {"text": f"### Instruction:\n{example['instruction']}\n\n### Response:\n{example['output']}"}

dataset = dataset.map(format_prompt)

# 4. Обучение
trainer = SFTTrainer(
    model=model,
    tokenizer=tokenizer,
    train_dataset=dataset,
    dataset_text_field="text",
    max_seq_length=2048,
    args=TrainingArguments(
        per_device_train_batch_size=2,
        gradient_accumulation_steps=4,
        warmup_steps=5,
        num_train_epochs=1,
        learning_rate=2e-4,
        fp16=not torch.cuda.is_bf16_supported(),
        bf16=torch.cuda.is_bf16_supported(),
        logging_steps=1,
        optim="adamw_8bit",
        weight_decay=0.01,
        lr_scheduler_type="linear",
        seed=3407,
        output_dir="outputs",
    ),
)
trainer.train()

# 5. Сохранение
model.save_pretrained("lora_model")
model.save_pretrained_gguf("model_gguf", tokenizer, quantization_method="q4_k_m")

Слабые стороны: Нет PPO, ограничено списком поддерживаемых моделей, лицензия LGPL (проверяйте для коммерческого использования)

---

Axolotl: подробности

Подход с приоритетом конфигурации

Axolotl проявляет силу, когда нужны воспроизводимые, версионируемые конфигурации обучения:

# axolotl_config.yml — полный пример
base_model: meta-llama/Meta-Llama-3-8B-Instruct
model_type: LlamaForCausalLM
tokenizer_type: AutoTokenizer

# Данные
datasets:
  - path: tatsu-lab/alpaca
    type: alpaca
  - path: ./my_custom_data.jsonl
    type: sharegpt
dataset_prepared_path: ./prepared_data
val_set_size: 0.01

# Квантование
load_in_4bit: true
adapter: qlora
bf16: true
tf32: true

# LoRA
lora_r: 32
lora_alpha: 16
lora_dropout: 0.05
lora_target_modules:
  - q_proj
  - v_proj
  - k_proj
  - o_proj
  - gate_proj
  - up_proj
  - down_proj

# Обучение
sequence_len: 4096
sample_packing: true  # упаковывает короткие последовательности для эффективности
pad_to_sequence_len: true
micro_batch_size: 2
gradient_accumulation_steps: 4
num_epochs: 3
learning_rate: 0.0002
optimizer: adamw_bnb_8bit
lr_scheduler: cosine

# Логирование
logging_steps: 10
eval_steps: 100
save_steps: 100
output_dir: ./outputs/my-model

# wandb
wandb_project: my-fine-tune
wandb_run_id: run-001

# Установка и запуск
pip install axolotl[flash-attn,deepspeed]
axolotl train axolotl_config.yml

Лучше всего для: Команды, которые хотят воспроизводимые, версионируемые прогонки обучения

---

LLaMA-Factory: подробности

Обзор WebUI

# Установка
pip install llamafactory

# Запуск WebUI
llamafactory-cli webui
# Откройте http://localhost:7860

Вкладки WebUI:

1. Train — настройка базовой модели, датасета, метода

2. Оценка — запуск бенчмарков MMLU, CMMLU

3. Чат — интерактивный вывод

4. Экспорт — объединение LoRA, квантование в GGUF

Пример обучения через CLI

# Супервизированное дообучение
llamafactory-cli train \
  --stage sft \
  --model_name_or_path meta-llama/Meta-Llama-3-8B \
  --dataset alpaca_gpt4_en,glaive_toolcall_en \
  --template llama3 \
  --finetuning_type lora \
  --lora_rank 8 \
  --lora_alpha 16 \
  --lora_target all \
  --output_dir saves/llama3-lora \
  --num_train_epochs 3 \
  --per_device_train_batch_size 2 \
  --gradient_accumulation_steps 4 \
  --learning_rate 2e-4 \
  --quantization_bit 4 \
  --flash_attn fa2

# Обучение DPO
llamafactory-cli train \
  --stage dpo \
  --model_name_or_path meta-llama/Meta-Llama-3-8B \
  --dataset dpo_mix_en \
  --template llama3 \
  --finetuning_type lora \
  --output_dir saves/llama3-dpo

Лучше всего для: Новички, команды, которые хотят WebUI, DPO/RLHF без глубоких исследовательских знаний

---

TRL: подробности

Пример пайплайна RLHF

TRL — стандарт для обучения выравниванию:

from trl import PPOTrainer, PPOConfig, AutoModelForCausalLMWithValueHead
from trl import DPOTrainer, DPOConfig
from datasets import load_dataset

# DPO (Direct Preference Optimization) — наиболее распространённый метод выравнивания
model_name = "meta-llama/Meta-Llama-3-8B-Instruct"

dpo_config = DPOConfig(
    model_name_or_path=model_name,
    output_dir="dpo_outputs",
    num_train_epochs=1,
    per_device_train_batch_size=2,
    beta=0.1,             # коэффициент штрафа KL
    loss_type="sigmoid",  # или "hinge", "ipo", "kto_pair"
    learning_rate=5e-7,
)

# Загрузите датасет предпочтений (prompt + выбранный + отклонённый)
dataset = load_dataset("Anthropic/hh-rlhf", split="train")

trainer = DPOTrainer(
    model=model_name,
    args=dpo_config,
    train_dataset=dataset,
)
trainer.train()

Лучше всего для: Исследования по выравниванию, RLHF, реализации DPO, PPO, ORPO

---

Выбор подходящего инструмента

Схема принятия решения

Нужна максимальная скорость/минимальный VRAM?
  → ДА → Unsloth (2-5× быстрее, помещается на меньших GPU)

Нужно обучение для выравнивания (DPO/PPO/RLHF)?
  → ДА → TRL или LLaMA-Factory
  → Исследования/кастомизация → TRL
  → Продакшен/простота → LLaMA-Factory

Нужна воспроизводимость с приоритетом конфигурации?
  → ДА → Axolotl

Нетехническая команда или хотите WebUI?
  → ДА → LLaMA-Factory

Просто хотите начать быстро?
  → LLaMA-Factory или Unsloth

По типу команды

Команда	Рекомендация	Причина
Индивидуальный исследователь	Unsloth	Скорость + Jupyter ноутбуки
ML-инженер	Axolotl	Управление через конфигурации, воспроизводимость
Продуктовая команда	LLaMA-Factory	WebUI, широкая поддержка моделей
Команда по выравниванию	TRL	Нативные примитивы RLHF
Стартап	Unsloth + TRL	Скорость + выравнивание при необходимости

---

Рекомендации Clore.ai по GPU

Задача	Минимальные GPU	Рекомендуется	Инструмент
7-8B LoRA (QLoRA)	RTX 3080 (10GB)	RTX 3090	Unsloth
13B LoRA	RTX 3090 (24GB)	A6000 (48GB)	Unsloth/Axolotl
70B LoRA	A100 (80GB)	2×A100	Axolotl/TRL
8B Полное FT	A100 (40GB)	A100 (80GB)	Любая
DPO/PPO 7B	RTX 4090 (24GB)	A6000 (48GB)	TRL

---

Полезные ссылки

• Unsloth на GitHub — 23K+ звёзд

• Axolotl на GitHub — 9K+ звёзд

• LLaMA-Factory на GitHub — 37K+ звёзд

• TRL на GitHub — 10K+ звёзд

• Документация HuggingFace PEFT

---

Резюме

Инструмент	Лучше всего для	Ключевое преимущество
Unsloth	Обучение, критичное к скорости, маленькие GPU	2-5× быстрее, на 70% меньше VRAM
Axolotl	Управление через конфигурации, воспроизводимые прогоны	YAML в приоритете, множество форматов данных
LLaMA-Factory	100+ моделей, WebUI, для новичков	Наибольшая поддержка моделей, GUI
TRL	RLHF, DPO, исследования по выравниванию	Нативное обучение выравниванию

Для большинства случаев использования Clore.ai: начните с Unsloth (скорость + эффективность памяти), добавьте TRL если вам нужно обучение по выравниванию DPO или PPO.