透過 Unsloth 與 Hugging Face Jobs 免費訓練 AI 模型

使用 Unsloth 與 Hugging Face Jobs 免費訓練 AI 模型

為什麼選擇小模型？像 LFM2.5-1.2B-Instruct 這樣的小型語言模型是微調的理想對象。它們的訓練成本低、迭代速度快，且在特定任務上的表現日益足以與大型模型競爭。LFM2.5-1.2B-Instruct 的運行記憶體低於 1GB，並針對裝置端部署進行了優化，因此你微調的模型可以在 CPU、手機和筆記型電腦上運行。

你將需要

我們正在提供免費額度，用於在 Hugging Face Jobs 上微調模型。加入 Unsloth Jobs Explorers 組織即可領取免費額度及一個月的 Pro 訂閱。

執行任務 (Run the Job)

如果你想使用 HF Jobs 和 Unsloth 訓練模型，只需使用 hf jobs CLI 提交任務即可。

首先，你需要安裝 hf CLI。你可以透過執行以下命令來完成：

接著，你可以執行以下命令來提交任務：

更多詳細資訊，請參閱關於在 Hub 上使用技能 (skills) 的文件或 Claude Code Skills 文件。

Codex

Codex 透過 AGENTS.md 檔案和 .agents/skills/ 目錄來發現技能。

使用 $skill-installer 安裝個別技能：

更多詳細資訊，請參閱 Codex Skills 文件和 AGENTS.md 指南。

其他方式

通用的安裝方法是直接複製技能儲存庫，並將技能複製到你的代理程式 (agent) 的技能目錄中。

快速開始

安裝技能後，要求你的編碼代理程式訓練模型：

代理程式將根據技能中的範例生成訓練腳本，將訓練任務提交至 HF Jobs，並透過 Trackio 提供監控連結。

運作原理

訓練任務在 Hugging Face Jobs 上執行，這是完全託管的雲端 GPU。代理程式會：

範例訓練腳本

該技能會根據技能中的範例生成如下腳本。

如需 Hugging Face Spaces 定價的完整概覽，請查看此處的指南。

使用編碼代理程式的技巧

資源

更多來自我們部落格的文章

Codex 正在開源 AI 模型

我們讓 Claude 微調了一個開源大語言模型 (LLM)

社群

·
註冊或
登入以發表評論