跳到正文

RAGFoundry

在 RAG 数据集上微调 LLM 的库

访问官网

RAGFoundry 是什么

RAGFoundry 被介绍为一个框架,在 RAG 增强数据集上微调 LLM,帮助模型更好地利用外部信息。

你可以用它做什么

  • 创建保存 RAG 交互的数据集
  • 用 PEFT 训练任意模型
  • 用训练或未训练的 LLM 生成预测
  • 以自定义指标运行评估

上手流程

  • 把库克隆到本地环境
  • 修改配置文件定制流程
  • 运行 processing.py 创建数据集
  • 使用 training.py 训练模型

补充信息

  • 设计为模块化,易于扩展
  • 工作流程由配置文件定义
  • 训练完成的模型可推送到 HF Hub

优点与缺点

✓ 我们认可的地方

  • 工作流程可通过配置文件自定义
  • 训练完成的模型可推送到 HF Hub

! 需要留意的地方

  • 流程从把库克隆到本地开始
  • 步骤依赖 processing.py 与 training.py 等脚本

常见问题

采用什么训练方式?

资料说明采用参数高效微调,即 PEFT。

模型可以共享吗?

资料说明训练完成的模型可推送到 HF Hub。

最后评测: 2026-11-15

更多 AI 编程工具 工具

查看全部 →

评测方法