跳转到主要内容

LLM 训练 API

LLM 训练的完整 API 参考。

LLMTrainingParams

LLM 训练的主要配置类。

基本参数

训练器选择

训练超参数

PEFT/LoRA 配置

数据处理

model_max_length 自动检测:此参数现在会从模型配置中自动检测。例如,Gemma 2(8192 tokens)和 Gemma 3(32K-128K tokens,取决于变体)将自动使用其原生上下文长度。默认值 2048 仅在自动检测失败时作为后备使用。显式设置可覆盖。

DPO 参数

ORPO 参数

GRPO 参数

GRPO 不需要 data_path — 数据集由环境的 build_dataset() 方法构建。安装 pip install aitraining[vllm] 以获得 vLLM 支持。
有关完整的环境接口(build_datasetscore_episodeget_tools),请参阅 GRPO 训练

知识蒸馏

日志记录和保存

Hub 集成

运行训练

完整示例

下一步

Python SDK

完整 SDK 参考

DPO Training

DPO 深入解析