用途：当用户希望在本地硬件上训练、微调或适配 Gemma 模型时触发，覆盖 SFT、DPO、RLHF、奖励建模等场景。
主要能力与建议：本地单卡优先推荐 Unsloth，原生支持 Gemma 4，内存占用最多降低 70%、速度最高提升 2 倍；多卡（DDP/FSDP）或 Unsloth 不可用时回退到 Hugging Face TRL（SFTTrainer、DPOTrainer）配合 PEFT 与 bitsandbytes 做 QLoRA。始终使用 QLoRA 4-bit 量化以便在消费级显存中容纳 Gemma 4 12B/31B。虽然 Gemma 4 支持 256K 上下文，本地训练建议用 2048 至 8192 token 以避免 OOM。
方法选择：SFT 用于新领域、任务指令或自定义输出结构；DPO 用于按人类偏好对齐风格、行为、语气或安全性，需先做 SFT；奖励建模用二值偏好数据训练打分头。
数据准备：需符合 Gemma 官方聊天模板，建议用 tokenizer 的 apply_chat_template 避免格式漂移；可用 assets/dataset_prep.py 校验。SFT 用 messages 列表；DPO 与奖励建模用含 prompt、chosen、rejected 的成对样本。可用 assets/distill_dataset.py 做教师-学生蒸馏。
工作流：SFT 用 assets/sft_train.py，LoRA 常用 r 为 16 或 32、lora_alpha 为 32 或 64、dropout 为 0.05 或 0.1，QLoRA 学习率 2e-4、全量微调 2e-5；DPO 用 assets/dpo_train.py，beta 设 0.1；奖励建模用 assets/reward_train.py，以 num_labels=1 的序列分类头训练标量奖励。
多模态：视觉 SFT 用 Gemma 4 E2B/E4B/12B/26B/31B 与自定义视觉 collator；音频 SFT 用 E2B/E4B/12B，输入 16kHz 原始音频数组。
部署：可用 Unsloth 原生导出 GGUF，或用 llama.cpp 手动转换合并后的模型目录；端侧可用 LiteRT-LM（.litertlm）在移动、Web 与 IoT 上运行。具体命令与完整参数暂未提供。