Original em inglês: https://argusic.com/subject/llamafactory
LlamaFactory
Ajuste fino eficiente e unificado de 100+ LLMs e VLMs (ACL 2024)
Executafonte: GitHubpágina do projetoPythonApache-2.0commit d6bb97ddff5d
Python, licença Apache-2.0. O projeto se descreve como: agent, ai, deepseek, fine tuning, gemma, gpt, instruction tuning e large language models.
LlamaFactory executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 30 minutos e não encontrou nenhum erro, e a sessão inteira foi gravada.
LLaMA Factory 0.9.6.dev0 is installed with all dependencies, CLI responds to all subcommands, LlamaBoard Web UI serves HTTP 200 on port 7860, and 325 automated tests pass on CPU (GPU-dependent tests skipped).
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 97,3 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
- Tempo de instalação
- 30 minutos
- Da máquina limpa até o fim
- 14 minutos
- Erros encontrados e corrigidos
- 0 encontrados, 0 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- pip install -e . succeeded; llamafactory-cli version printed version 0.9.6.dev0; pytest tests/ (254 passed, 14 skipped, 2 xfailed, 4 xpassed) and tests_v1/ (71 passed, 9 skipped, 1 xfailed); curl http://127.0.0.1:7860 returned HTTP 200 from LlamaBoard Web UI
- Tokens de modelo usados
- 119.274
- Commit exato testado
- d6bb97ddff5d
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
Assista à sessão
A execução inteira, a partir de uma máquina limpa, na velocidade em que realmente aconteceu. Nada é cortado e nada é acelerado.
Uma gravação da tentativa 2, executada em , a tentativa que decidiu o veredito acima. A gravação do terminal da qual ele foi feito é a evidência, guardada com uma impressão digital sha256; o vídeo é uma renderização dela. Nada é carregado do serviço de vídeo até você apertar o play.
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
exec /bin/sh -lc 'echo "Total elapsed: $(date -d @$(echo "$(date +%s) - $(stat -c %Y /proc/1/cmdline 2>/… succeeded in 0ms: /bin/sh: 1: bc: not found Total elapsed: 1789360132 cleaned exec /bin/sh -lc 'date +%s' in /work/repo succeeded in 0ms: 1789360137 tokens used 119,274
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Nada quebrou no caminho: zero erros entre o clone e a execução.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença Apache-2.0, segundo a plataforma onde o projeto está hospedado.
- Medido 3 vezes, então o resultado não é um caso isolado.
O que não deu certo, ou não se sabe
- Levou 30 minutos para instalar, mais devagar que a mediana dos 134 projetos comparáveis que a Argusic mediu.
Dos 135 projetos de agent que a Argusic instalou e cronometrou, LlamaFactory foi o 122º mais rápido a chegar a um estado de execução, e 87 de 135 chegaram a esse estado.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
- Seguir o próprio README: o caminho documentado funcionou sem nada para corrigir.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
Tópicos (de GitHub)
agentaideepseekfine-tuninggemmagptinstruction-tuninglarge-language-modelsllamallama3llmloramoenlppeftqloraquantizationqwenrlhftransformers
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/llamafactory)Perguntas
- LlamaFactory executa?
- Sim. LlamaFactory executa. A Argusic o instalou e iniciou em uma máquina limpa em 30 minutos, encontrando 0 erros no caminho, e gravou a sessão.
- Como a Argusic testou LlamaFactory?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit d6bb97ddff5d. Há 3 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar LlamaFactory?
- A execução que produziu este veredito custou US$ 0,06: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar LlamaFactory?
- 30 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- LlamaFactory precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar LlamaFactory?
- Nada deu errado na execução registrada: zero erros entre o clone e a execução.
- Como LlamaFactory se compara às alternativas?
- Dos 135 projetos de agent que a Argusic instalou e cronometrou, LlamaFactory foi o 122º mais rápido a chegar a um estado de execução, e 87 de 135 chegaram a esse estado.
- Onde estão as evidências de LlamaFactory?
- Todas as 3 execuções registradas estão nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.