Hugging Face云端模型微调
提供基础模型、训练数据和预算,在云端校验数据并提交微调任务,获得保存到模型仓库的训练成果。
功能与用途
适合没有本地显卡、希望用自有数据微调语言或视觉语言模型的用户。提供基础模型、数据集、训练目标和预算后,可检查数据格式、选择训练方法与云端硬件、估算费用并提交训练任务。支持指令微调、偏好对齐、强化学习和奖励模型训练,提供监控链接,将成果保存到模型仓库,也可转换为适合本地推理的GGUF文件。使用前需具备可运行Jobs的Hugging Face账户、写入权限令牌及可访问的数据集,并承担云端计算费用。
适用场景
- 行业问答模型微调:将行业问答数据用于指令微调,在云端训练基础模型并将成果保存到Hub。
- 回答偏好对齐:检查优选与劣选回答的数据字段,完成映射后提交DPO训练任务。
- 视觉语言模型定制:使用图文训练数据,通过Unsloth微调视觉语言模型并监控训练指标。
- 微调模型本地部署准备:将训练后的模型转换为GGUF文件,供Ollama、LM Studio等本地推理软件使用。
适用人群
- 大模型应用开发者
- 机器学习工程师
- 模型对齐研究人员
- 视觉语言模型开发者
使用步骤
- 提供基础模型、数据集、训练目标和预算。
- 检查数据字段,选择训练方法并估算硬件费用。
- 配置成果仓库、令牌、监控和任务超时时间。
- 提交云端训练,获取任务编号与监控链接。
- 查看训练成果,按需转换为GGUF文件。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 编程
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes Agent、国内 Agent
- 使用难度
- 专业
- 版本
- main
- 最近更新
- 2026-11-03
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Train or fine-tune language and vision models using TRL (Transformer Reinforcement Learning) or Unsloth with Hugging Face Jobs infrastructure. Covers SFT, DPO, GRPO and reward modeling training methods, plus GGUF conversion for local deployment. Includes guidance on the TRL Jobs package, UV scripts with PEP 723 format, dataset preparation and validation, hardware selection, cost estimation, Trackio monitoring, Hub authentication, model selection/leaderboards and model persistence. Use for tasks involving cloud GPU training, GGUF conversion, or when users mention training on Hugging Face Jobs without local GPU setup.
使用前准备
- 具备可使用Hugging Face Jobs的账户与相应付费计划。
- 配置具有目标模型仓库写入权限的HF_TOKEN。
- 准备可访问的基础模型和可由datasets加载的数据集。
- 明确训练目标、云端计算预算和成果保存仓库。
- 具备模型训练基础;自动提交任务需有可用的Hugging Face Jobs调用能力。
依赖与权限
- HF_TOKEN