大语言模型训练
原名：huggingface-llm-trainer
用 Hugging Face 工具链规划和执行大语言模型微调。
中文 Skills 技能说明
适合监督微调与训练实验；先核验模型和数据许可证、硬件、费用、评测与检查点，不能把训练进程启动写成模型已达到业务标准。开源工具可以本地使用；访问 Hugging Face Hub、Spaces、ZeroGPU、AWS 或托管服务时，用户需自行确认中国大陆网络、账户、区域、费用、模型与数据许可证及跨境要求。执行前应读取项目现状和官方文档，输出目标、依据、影响、验证结果与回退方式；没有真实证据时明确说明未知，不编造配置、数据或成功状态。 创建、修改、训练、部署、发布、迁移、删除或产生费用的操作，必须先展示具体目标和差异并获得人工确认。 代码、日志、令牌、连接串、模型、数据集和企业资料按敏感内容处理，只读取任务所需范围，上传或外发前完成授权、脱敏和最小化。
上游能力依据
上游原始适用说明：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.
上游 SKILL.md 主要章节（保留原文标题）：
- Overview
- When to Use This Skill
- When to Use Unsloth
- Key Directives
- Local Script Execution
- Prerequisites Checklist
- ✅ Account & Authentication
- ✅ Dataset Requirements
- ⚠️ Critical Settings
- Asynchronous Job Guidelines
使用边界
先读取项目约定、依赖版本和现有测试，再提出最小改动。写文件、运行脚本、提交代码或发布前应检查差异并保留回退路径。
作者、翻译与许可证
- 原作者
- Hugging Face 与 huggingface/skills contributors
- 中文翻译
- CEOFans翻译
- 许可证
- Apache-2.0
- 上游来源
- https://github.com/huggingface/skills/tree/cead19e10754e773bad24fecef83cb64be24094e/skills/huggingface-llm-trainer
适用范围
平台：linux、macos、windows；标签：AI 工程、大语言模型训练
安全提示
基础静态扫描不等于绝对安全。技能可能调用命令、浏览器、云服务或本地文件，请在最小权限环境中使用，高风险操作必须人工确认。
如发现侵权、许可证或安全问题，可在本页前台提交投诉，管理员复核后可立即下架。