Canonical: https://instain.ru/de/ai/unsloth/ Language: de Unsloth AI Werkzeuge für Modellweiterbildung # Unsloth. Feinabstimmung kompatibler Modelle mit LoRA-Adaptern 4.45 / 5 [Katalogbewertung](https://instain.ru/de/ai/unsloth/#editorial-rating) [Offizielle Website ](https://unsloth.ai/docs/get-started/fine-tuning-llms-guide) Die Unsloth-Tools erleichtern die Vorbereitung auf die Nachhilfe. Mit dem LoRA-Adapter können Sie das Verhalten des Modells ändern und gleichzeitig den Großteil der ursprünglichen Gewichte beibehalten. ![Unsloth-Hilfe mit Modell- und Datenvorbereitungsreihenfolge](https://instain.ru/assets/images/unsloth-screen-c6eb17b19b99-1200.webp) Hilfe Unsloth mit der Reihenfolge der Vorbereitung des Modells und der Daten. [Quelle öffnen ](https://unsloth.ai/docs/get-started/fine-tuning-llms-guide) ## Wenn der Adapter korrekt ist Ein Supportteam kann ein einfaches Antwortformat benötigen, das das Basismodell nur unregelmäßig einhält. Vergleichen Sie zunächst eine präzisere Anweisung und eine Feinabstimmung an denselben Anfragen. Bleibt das Problem bestehen, lässt sich mit Unsloth ein LoRA-Trainingslauf vorbereiten. Wählen Sie ein kompatibles Modell und halten Sie die Version fest. Andernfalls lassen sich Formatänderungen nach dem Training leicht mit Effekten anderer Ausgangsgewichte oder einer geänderten Chatvorlage verwechseln. ## Beispiele für die Rücksendung von Waren Bereiten Sie fiktive Anfragen und Antworten im richtigen Format vor. Fügen Sie einen Fall mit zwei Artikeln hinzu, eine Anfrage ohne Bestellnummer und eine Behandlung, bei der die richtige Antwort geklärt werden muss. Lassen Sie separat einige umformulierte Abfragen zur Überprüfung und entfernen Sie deren nahe gelegene Optionen aus dem Training. Bewahren Sie bei der Markierung auch Fälle auf, in denen kein bestimmter Zeitraum angegeben werden kann. Dies wird helfen zu sehen, ob das Modell gelernt hat, eine Frage statt einer Vermutung zu stellen. ## Fehler vor dem zweiten Lauf aussortieren Vergleichen Sie zwei Versionen nach Format, Fakten und den Informationen, die das Modell leer lässt. Wenn die Antworten vorsichtiger geworden sind und sich die Fehler über den Zeitpunkt erhöht haben, lesen Sie das Markup, bevor Sie die Parameter ändern. Überprüfen Sie auch ein unbekanntes Thema, um den Verlust der üblichen Möglichkeiten zu bemerken. Daten, Modell und Parameter des Experiments werden besser getrennt im Bericht gespeichert. Wenn Sie die Ausrüstung oder den Betriebsmodus austauschen, wiederholen Sie die kurze Überprüfung an denselben Eingängen, bevor Sie eine Schlussfolgerung über den Unterschied ziehen. ## Für welche Aufgaben geeignet - Ein Modell lehren, nach einer vorgegebenen Vorlage zu antworten - Vergleichen Sie das ursprüngliche Modell mit der Version nach dem Nachhilfeunterricht Funktionen ## Stärken - Es gibt Empfehlungen zu den LoRA-Parametern und dem Datensatz - Verschiedene kompatible Modelle und Startmethoden werden unterstützt Zu berücksichtigen ## Einschränkungen - Eine kleine Stichprobe kann Fehler und Dubletten verfestigen - Der verfügbare Speicher begrenzt den Modus und die Datenmenge ## Auswahl und Bedingungen Kostenlose Nutzung Ja Testphase Nicht bestätigt Keine Registrierung erforderlich Nicht bestätigt Russische Benutzeroberfläche Nicht bestätigt Lokale Installation Ja API Nicht bestätigt „Nicht bestätigt“ bedeutet, dass nicht genügend Informationen vorliegen. Die Funktion kann dennoch verfügbar sein; prüfen Sie die Angaben des Entwicklers. Eingabeformate Text, Daten Ergebnis Daten, Modell ### Bedingungen Die quelloffenen Werkzeuge lassen sich selbst betreiben. Mögliche Kosten hängen von Hosting, Hardware und Modelllizenz ab. Eine kleine Stichprobe kann Fehler und Dubletten verfestigen. Von der Aufgabe zum ersten Ergebnis ## Praxisbeispiel Aufgabe Ein Modell lehren, nach einer vorgegebenen Vorlage zu antworten Was Sie vorbereiten sollten Eine Reihe von Abfragen und Antworten, ein kompatibles Modell und einzelne Testbeispiele. ### Aufgabenbeschreibung oder Prompt Bereiten Sie eine kurze Trainingsfahrt vor. Speichern Sie die Modelleinstellungen und vergleichen Sie die Antworten vor und nach dem Training mit den gleichen Testanforderungen. ### Erwartetes Ergebnis Qualitätsänderungsbericht und konfigurierter Adapter oder Prüfpunkt. ### So prüfen Sie das Ergebnis - Entfernen Sie Kopien und ähnliche Optionen zwischen den Stichproben. - Markieren Sie separat Inhaltsfehler und Abweichungen vom Format. Ein redaktionelles Lernbeispiel für eine Aufgabenbeschreibung, kein Ergebnis eines eigenen Praxistests des Dienstes. Prüfen Sie die Verfügbarkeit des benötigten Modus, die Rechte am Ausgangsmaterial und die Bedingungen für die Nutzung des Ergebnisses. Details überprüfen ## Offizielle Quellen - [Unsloth-Leitfaden für Nachhilfe ](https://unsloth.ai/docs/get-started/fine-tuning-llms-guide) - [Offizielles Repository von Unsloth ](https://github.com/unslothai/unsloth) - [LoRA-Adapter-Optionen ](https://unsloth.ai/docs/get-started/fine-tuning-llms-guide/lora-hyperparameters-guide) Die Beschreibung basiert auf den Materialien des Entwicklers. Die Funktionen, Preise und Verfügbarkeit können variieren. Bitte überprüfen Sie die Quelle vor der Verwendung. Das Tool im Überblick Entwickler Unsloth AI Kategorie [Code](https://instain.ru/de/category/code/) Zugang Sie benötigen Daten, ein kompatibles Modell und eine geeignete Rechenumgebung. Prüfen Sie Hardwareanforderungen und Startverfahren für den gewählten Modus. Zahlung Die quelloffenen Werkzeuge lassen sich selbst betreiben. Mögliche Kosten hängen von Hosting, Hardware und Modelllizenz ab. API Keine separate API angegeben [Entwicklerbedingungen ](https://unsloth.ai/docs/get-started/fine-tuning-llms-guide/lora-hyperparameters-guide) Katalogbewertung 4.45 / 5 Funktionen 4.50 / 5 Arbeitsszenarien 4.30 / 5 Ökosystem 4.50 / 5 Dokumentation 4.50 / 5 Die Punkte dienen der Orientierung im Katalog. Sie sind weder Nutzerbewertungen noch Ergebnisse persönlicher Tests. [Siehe Methodik ](https://instain.ru/de/methodology/) Weiter erkunden ## Für ähnliche Aufgaben [Gesamte Kategorie ](https://instain.ru/de/category/code/) Code ### [Hugging Face TRL](https://instain.ru/de/ai/huggingface-trl/) Bibliothek für das Nachtraining mit DPO und Antwortpaaren 4.40 / 5 Bibliothek der Modelle Ähnliche Aufgaben; vergleichen Sie Bedingungen, Formate und Einschränkungen