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