Axolotl

Axolotl：YAML LLM 微调（LoRA、DPO、GRPO）。

技能元数据

来源	内置（默认安装）
路径	skills/mlops/training/axolotl
版本	1.0.0
作者	Orchestra Research
许可证	MIT
依赖	axolotl、torch、transformers、datasets、peft、accelerate、deepspeed
标签	Fine-Tuning、Axolotl、LLM、LoRA、QLoRA、DPO、KTO、ORPO、GRPO、YAML、HuggingFace、DeepSpeed、Multimodal

参考：完整 SKILL.md

信息

以下是 Hermes 在触发此技能时加载的完整技能定义。这是 Agent 在技能激活时看到的指令。

Axolotl 技能

内容概览

使用 Axolotl 微调 LLM 的专家指导——YAML 配置、100+ 模型、LoRA/QLoRA、DPO/KTO/ORPO/GRPO、多模态支持。

基于官方文档，提供 Axolotl 开发的全面帮助。

何时使用此技能

此技能应在以下情况触发：

• 使用 Axolotl 时
• 询问 Axolotl 功能或 API 时
• 实现 Axolotl 解决方案时
• 调试 Axolotl 代码时
• 学习 Axolotl 最佳实践时

快速参考

常见模式

模式 1： 要验证训练作业是否存在可接受的数据传输速度，运行 NCCL 测试有助于定位瓶颈，例如：

./build/all_reduce_perf -b 8 -e 128M -f 2 -g 3

模式 2： 在 Axolotl yaml 中配置模型使用 FSDP。例如：

fsdp_version: 2
fsdp_config:
  offload_params: true
  state_dict_type: FULL_STATE_DICT
  auto_wrap_policy: TRANSFORMER_BASED_WRAP
  transformer_layer_cls_to_wrap: LlamaDecoderLayer
  reshard_after_forward: true

模式 3： context_parallel_size 应为 GPU 总数的除数。例如：

context_parallel_size

模式 4： 例如：- 使用 8 个 GPU 且无序列并行：每步处理 8 个不同批次 - 使用 8 个 GPU 且 context_parallel_size=4：每步仅处理 2 个不同批次（每个批次分布在 4 个 GPU 上） - 如果每个 GPU 的 micro_batch_size 为 2，则全局批次大小从 16 减少到 4

context_parallel_size=4

模式 5： 在配置中设置 save_compressed: true 可以压缩格式保存模型，这将：- 减少约 40% 的磁盘空间占用 - 保持与 vLLM 的兼容性以加速推理 - 保持与 llmcompressor 的兼容性以进一步优化（例如量化）

save_compressed: true

模式 6： 注意：不必将集成放在 integrations 文件夹中。它可以放在任何位置，只要它作为 Python 环境中的包安装即可。示例见此仓库：https://github.com/axolotl-ai-cloud/diff-transformer

integrations

Pattern 7： 处理单个样本和批量数据。

• 单个样本：sample['input_ids'] 是一个 list[int]
• 批量数据：sample['input_ids'] 是一个 list[list[int]]

utils.trainer.drop_long_seq(sample, sequence_len=2048, min_sequence_len=2)

示例代码模式

示例 1（Python）：

cli.cloud.modal_.ModalCloud(config, app=None)

示例 2（Python）：

cli.cloud.modal_.run_cmd(cmd, run_folder, volumes=None)

示例 3（Python）：

core.trainers.base.AxolotlTrainer(
    *_args,
    bench_data_collator=None,
    eval_data_collator=None,
    dataset_tags=None,
    **kwargs,
)

示例 4（Python）：

core.trainers.base.AxolotlTrainer.log(logs, start_time=None)

示例 5（Python）：

prompt_strategies.input_output.RawInputOutputPrompter()

参考文件

该技能在 references/ 中包含了全面的文档：

• api.md - API 文档
• dataset-formats.md - 数据集格式文档
• other.md - 其他文档

当需要详细信息时，可使用 view 命令读取特定的参考文件。

使用此技能

对于初学者

从 getting_started 或 tutorials 参考文件开始，了解基础概念。

对于特定功能

使用相应类别的参考文件（如 api、guides 等）获取详细信息。

对于代码示例

上面的快速参考章节包含了从官方文档中提取的常见模式。

资源

references/

从官方来源提取的结构化文档。这些文件包含：

• 详细说明
• 带有语言标注的代码示例
• 指向原始文档的链接
• 便于快速导航的目录

scripts/

在此添加辅助脚本，用于常见的自动化任务。

assets/

在此添加模板、样板文件或示例项目。

说明

• 此技能是根据官方文档自动生成的
• 参考文件保留了源文档的结构和示例
• 代码示例包含语言检测功能，便于更好的语法高亮
• 快速参考模式从文档中的常见用法示例中提取

更新

要使用更新后的文档刷新此技能：

1. 使用相同配置重新运行爬虫
2. 技能将使用最新信息重新构建