用途
本技能面向需要在云端 GPU 上训练或微调语言模型、视觉模型的场景，无需自建本地训练基础设施。它基于 Hugging Face Jobs 基础设施运行训练任务，并覆盖 TRL（Transformer Reinforcement Learning）系列训练方法，包括 SFT、DPO、GRPO 等。
适用情形包括：在云 GPU 上微调语言模型；使用 TRL 方法训练；在 Hugging Face Jobs 上运行训练作业；将训练后的模型转换为 GGUF 以便本地部署（Ollama、LM Studio、llama.cpp）；确保训练模型永久保存到 Hub；使用带有优化默认值的现代工作流。
主要能力
- 支持 TRL 训练方法：SFT、DPO、GRPO 等。
- 支持在 Hugging Face Jobs 基础设施上运行训练作业。
- 支持将训练模型转换为 GGUF，用于本地部署。
- 支持将训练结果推送并永久保存到 Hugging Face Hub。
- 提供生产就绪的示例训练脚本：scripts/train_sft_example.py（完整 SFT 训练，含 Trackio、LoRA、检查点）、scripts/train_dpo_example.py（偏好学习 DPO 训练）、scripts/train_grpo_example.py（在线 RL 的 GRPO 训练）。这些脚本演示了正确的 Hub 保存、Trackio 集成、检查点管理和优化参数，可将其内容内联传给 hf_jobs() 或作为自定义脚本模板。
何时使用 Unsloth
在以下情况应使用 Unsloth（references/unsloth.md）替代标准 TRL：GPU 显存有限（Unsloth 显存占用约减少 60%）；对速度有要求（Unsloth 约快 2 倍）；训练大型模型（>13B，显存效率关键）；训练视觉语言模型（VLM，Unsloth 提供 FastVisionModel 支持）。完整 Unsloth 文档见 references/unsloth.md，生产就绪训练脚本见 scripts/unsloth_sft_example.py。
使用方式与前置条件
开始任何训练作业前需核对以下清单：
账号与认证：需要 Hugging Face 账号并具备 Pro、Team 或 Enterprise 计划（Jobs 需要付费计划）；需已登录认证，可用 hf_whoami() 检查；需要 HF_TOKEN 用于 Hub 推送——这一点至关重要，因为训练环境是临时的，必须推送到 Hub，否则所有训练结果都会丢失；Token 必须具有写权限；必须在作业配置中传入 secrets={"HF_TOKEN": "$HF_TOKEN"} 以使 Token 可用（$HF_TOKEN 语法引用实际 Token 值）。
数据集要求：数据集必须存在于 Hub 上，或可通过 datasets.load_dataset() 加载；格式必须与训练方法匹配（SFT："messages"/text/prompt-completion；DPO：chosen/rejected；GRPO：仅 prompt）；在 GPU 训练前务必校验未知数据集，以防格式失败；数据规模需与硬件匹配（演示：t4-small 上 50-100 条；生产：a10g-large/a100-large 上 1K-10K+ 条）。
关键设置：超时必须超过预期训练时间——默认 30 分钟对大多数训练来说太短，建议最少 1-2 小时，超时会导致作业失败并丢失全部进度；必须启用 Hub 推送——配置为 push_to_hub=True、hub_model_id="username/model-name"，作业中设置 secrets={"HF_TOKEN": "$HF_TOKEN"}。
执行前应先阅读详细指南，其中保留了完整流程与参考资料，其安全、前置条件和校验要求视为强制。聚焦任务可加载相关章节，端到端任务应完整阅读指南。
适用场景
适合希望在无本地基础设施的情况下利用云 GPU 完成模型微调、偏好学习或在线强化学习，并将成果保存到 Hub 或转换为 GGUF 供本地推理使用的用户。
限制
仅当任务明确匹配其上游产品或 API 范围时使用本技能。在做出更改前，应依据当前官方文档核实命令、API 行为、定价、配额、凭据和部署影响。不得将生成的示例视为环境特定测试、安全审查或对破坏性/高成本操作的用户批准的替代。