TOOL
Unsloth 零成本微调 Qwen3-8B
Unsloth将VRAM使用量减少了70%。这就是为什么你现在可以在免费的Google Colab笔记本上训练Qwen3。
UNSLOTH
TOOL
Unsloth: 从LoRA到完整微调
过去几年，训练大型语言模型 (LLM) 就像一个封闭的社区——只有拥有庞大 GPU 集群和数百万美元预算的公司才能进入。
MODEL-ZOO
DeepSeek OCR 微调指南
在本指南中，我们将逐步讲解如何为定制DeepSeek OCR模型，仅需60 个训练步骤即可实现显著的性能提升。
TOOL
用RTX 5090本地微调语言模型
我关注NVIDIA的Blackwell架构发布已经有一段时间了，所以当看到Unsloth也加入了对Blackwell的支持时，我决定尝试单个GPU究竟能做到什么程度。
MODEL-ZOO
你应该微调哪个模型？
如果你曾经尝试过微调语言模型，你很可能问过自己和我最初一样的问题：“好吧……我应该选哪个模型？”
MODEL-ZOO
Gemma 3 270M本地微调指南
Gemma 3 270M是一个超高效的本地AI模型。今天，让我们学习如何微调这个模型，让它在下棋和预测下一步动作方面变得非常聪明。
APPLICATION
用强化学习训练AI代理
即使是非常强大的LLM也可能很难可靠地完成复杂的多轮代理任务。有趣的是，我们发现使用一种叫做GRPO（群体相对策略优化）的强化学习算法来训练代理可以使它们更加可靠！
MODEL-ZOO
微调一个函数调用小模型
在RidgeRun.ai，我们开始开发自己的小规模、本地运行的函数调用模型，有几个重要的原因。
APPLICATOIN
让LLM学会你的说话风格
使用你自己的社交网络评论来微调一个LLM，并在（相对）廉价的硬件上运行所有微调。
MODEL-ZOO
用Unsloth微调Gemma-3
当大家都在竞相构建基于 ChatGPT 的应用程序时，精明的开发人员正在悄悄发现这个新轻量级 Gemma-3 的微调能力，这是一个隐藏的宝石，可以将通用人工智能转化为你的专业数字专家。
APPLICATION
用GRPO算法训练医疗AI模型
大型语言模型（LLMs）与医疗保健的交叉点带来了令人兴奋的机会，但也带来了独特的挑战。在本教程中，我们将探讨如何使用分组相对策略优化（GRPO）——一种最近由DeepSeek团队引入的有前途的新强化学习技术——来适应阿里巴巴的Qwen-3B模型以用于医学推理。 为什么这很重要： * 🏥 患者安全第一：医学AI中的幻觉可能是危险的。 * 💡 领域专业化：通用LLMs难以处理临床推理。 * ⚡ 效率：我们的3B参数模型可以在消费级GPU上运行。 推理模型如O3和DeepSeek R1在许多具有挑战性的基准测试中显示了前所未有的改进。它们改变了监督微调的趋势，转向实际的强化学习（RL）。我们在深度学习领域的许多突破都来自RL，例如AlphaGo，因为模型能够通过与不同的现实场景互动来学习，而这些场景在监督微调中往往难以提供示例。 如果你想了解更多关于推理模型或更多历史细节，我强烈推荐Maarten的文章[2]。DeepSeek工作的美妙之处在于他们实现了一个实用的框架，用于使用GRPO对LLM进行微调。根据Maarten的文章： 这个算法背后的直觉是，它使所有导致正确或错
MODEL-ZOO
推理模型的训练：从原理到实践
我们采用了一个微小的 0.5B 参数模型，在我们的家庭实验室中向它投入了一些 GRPO，并设法教会它一些相当不错的推理技能。