跳转到主要内容

​
向导命令参考

AITraining 向导支持各种命令，帮助您导航、搜索和配置训练任务。
重要：向导命令为英文（如 :help、:back、/search），系统消息也 为英文。本文档解释了每个命令的作用以及如何使用它们，即使您不流利使用 英语。

​
导航命令

这些命令在任何提示符下都有效：
命令快捷方式描述
:back返回上一步
:help?、:h显示当前提示符的详细帮助
:exit:quit取消向导并退出

​
使用 :back

您可以随时返回以更改先前的答案： 
Model (number, HF ID, or command): :back
↩️ Going back to dataset selection...  （返回数据集选择...）

Dataset (number, HF ID, or command):
会发生什么：当您输入 :back 时，向导返回到上一步。消息 “Going back to dataset selection…” 表示您正在返回到数据集选择步骤。

​
使用 :help

每个提示符都有上下文帮助。当您输入 :help 时，向导会显示关于所询问内容的详细说明： 
Training split name [train]: :help

ℹ️  Help
  Dataset splits are named subsets of your data.
  （数据集分割是您数据的命名子集。）

  Common split names:
    • 'train' - Training data (most common)
      （训练数据 - 最常见）
    • 'test' - Test/evaluation data
      （测试/评估数据）
    • 'validation' or 'valid' - Validation data
      （验证数据）

  Note: This is NOT asking for a percentage split (like 80/20).
  （注意：这不是要求百分比分割（如 80/20）。）
  It's asking for the exact name of the split in your dataset.
  （它要求您数据集中分割的确切名称。）

Training split name [train]:
提示：每当您不确定某事的含义时，使用 :help。帮助以英文显示，但清楚地解释了您需要做什么。

​
目录命令

这些命令在浏览模型或数据集时有效：
命令描述
/search <query>按名称搜索模型/数据集
/sort更改排序（trending、downloads、likes、recent）
/filter按大小过滤模型（仅限模型）
/refresh清除缓存并重新加载列表

​
/search

查找特定模型或数据集。当您知道要查找的名称或类型时使用此命令： 
Model (number, HF ID, or command): /search llama

Popular models (trending):  （热门模型 - 趋势）
  1. meta-llama/Llama-3.2-1B (1B)
  2. meta-llama/Llama-3.2-3B (3B)
  3. meta-llama/Llama-3.1-8B (8B)
  4. meta-llama/Llama-3.1-70B (70B)
  ...
如何使用：输入 /search 后跟关键字。您可以搜索：
  • 模型名称：/search gemma、/search llama
  • 模型类型：/search code（专注于代码的模型）
  • 数据集名称：/search alpaca
  • 数据集类型：/search conversation（对话数据集）
搜索示例：
  • /search gemma - 查找 Gemma 模型
  • /search code - 查找专注于代码的模型
  • /search alpaca - 查找 Alpaca 风格的数据集
  • /search conversation - 查找对话数据集

​
/sort

更改结果的排序方式。当您想以不同方式查看模型/数据集时使用： 
Model (number, HF ID, or command): /sort
Sort options: [T]rending [D]ownloads [L]ikes [R]ecent
（排序选项：[T]rending [D]ownloads [L]ikes [R]ecent）
Sort by [T]: D
如何使用：输入 /sort 然后按对应排序的键。
排序选项键描述何时使用
TrendingT当前流行的内容查看社区当前使用的内容
DownloadsD有史以来下载最多查找最受验证/使用的模型
LikesL社区最喜欢查看社区最爱
RecentR最新添加发现新发布

​
/filter

按参数计数过滤模型（仅适用于模型，不适用于数据集）。非常有用用于查找适合您硬件的模型： 
Model (number, HF ID, or command): /filter
Filter size: [A]ll [S]mall(<3B) [M]edium(3-10B) [L]arge(>10B)
（过滤大小：[A]ll [S]mall(<3B) [M]edium(3-10B) [L]arge(>10B)）
Filter size [A]: S
如何使用：输入 /filter 然后按对应大小的键。这仅显示适合您硬件类型的模型。
过滤器键大小范围典型硬件模型示例
AllA无过滤任何所有模型
SmallS< 3B 参数MacBook、消费级 GPUgemma-3-270m、Llama-3.2-1B
MediumM3B - 10B 参数游戏 GPU、工作站gemma-2-2b、Llama-3.2-3B
LargeL> 10B 参数云 GPU、多 GPULlama-3.1-70B、Mistral-7B

​
/refresh

清除缓存并获取最新数据。当列表看起来过时或您刚添加新模型/数据集时使用： 
Model (number, HF ID, or command): /refresh
Cache cleared.  （缓存已清除。）

Popular models (trending):  （热门模型 - 趋势）
  ...
何时使用：如果您刚将模型上传到 HuggingFace 但它没有出现在列表中，使用 /refresh 更新。

​
选择方法

选择模型或数据集时，您有几个选项：

​
按数字

从显示的列表中选择： 
Popular models (trending):
  1. google/gemma-3-270m (270M)
  2. google/gemma-2-2b (2B)
  3. meta-llama/Llama-3.2-1B (1B)

Model (number, HF ID, or command): 2
✓ Model: google/gemma-2-2b

​
按 HuggingFace ID

输入完整的模型/数据集 ID： 
Model (number, HF ID, or command): mistralai/Mistral-7B-v0.3
✓ Model: mistralai/Mistral-7B-v0.3

​
按本地路径

指向本地目录： 
Dataset (number, HF ID, or command): ./my_training_data
✓ Dataset: ./my_training_data

​
输入约定

​
默认值

[方括号] 中的值是默认值。按 Enter 接受： 
Project name [my-llm-project]: ↵
✓ Project: my-llm-project

​
必填字段

标记为 [REQUIRED] 的字段必须填写。如果您尝试跳过（按 Enter），将看到错误消息： 
Prompt column name [REQUIRED] [prompt]: ↵
❌ This field is required for DPO/ORPO training.
（❌ 此字段是 DPO/ORPO 训练所必需的。）
Prompt column name [REQUIRED] [prompt]: instruction
✓
含义：[REQUIRED] = 必填。您需要填写此字段才能继续。错误消息解释了为什么需要此字段。

​
是/否问题

用 y（yes/是）或 n（no/否）回答。您也可以按 Enter 接受默认值： 
Configure advanced parameters? [y/N]: y
（配置高级参数？[y/N]: y）

Enable LoRA? [Y/n]: ↵
（启用 LoRA？[Y/n]: ↵）
✓ LoRA enabled (default)
（✓ LoRA 已启用（默认））
理解默认值：大写字母表示默认答案：
  • [Y/n] - 默认是是（Yes）。按 Enter 接受”是”
  • [y/N] - 默认是否（No）。按 Enter 接受”否”
提示：大多数情况下，您可以简单地按 Enter 接受建议的默认值。

​
键盘快捷方式

键操作
Enter接受默认值或确认输入
Ctrl+C取消向导（与 :exit 相同）
上/下箭头滚动浏览编号选项（如果支持）

​
高级参数

配置高级参数时，向导将它们分组： 
⚙️  Training Hyperparameters

Configure Training Hyperparameters parameters? [y/N]: y

epochs [1]:
batch_size [2]:
lr [3e-5]:
每个组可以独立配置：
组包含
Training Hyperparametersepochs、batch_size、lr、warmup_ratio
PEFT/LoRApeft、lora_r、lora_alpha、quantization
DPO/ORPOdpo_beta、max_prompt_length
Hub Integrationpush_to_hub、username、token
Knowledge Distillationteacher_model、distill_temperature
Hyperparameter Sweepuse_sweep、sweep_n_trials
Enhanced Evaluationuse_enhanced_eval、eval_metrics
Reinforcement Learningrl_reward_model_path（仅 PPO）

​
提示

每个提示符都有详细帮助。如果您不确定某事的含义，输入 :help。
做出了错误选择？使用 :back 返回到上一步。您的其他答案会被保留。
不要滚动浏览数百个模型，使用 /search llama 或 /search 7b 来缩小范围。
不确定哪些模型会工作？使用 /filter → S（small）仅查看适合消费级硬件的模型。
在您的第一次训练中，接受大多数默认值。让某些东西工作，然后自定义。

​
命令快速参考

​
导航

:back          返回上一步
:help          显示当前提示符的帮助
:exit          取消并退出

​
目录（模型/数据集）

/search query  按名称搜索
/sort          更改排序顺序
/filter        按大小过滤（仅限模型）
/refresh       重新加载列表

​
选择

1, 2, 3...     按数字选择
google/gemma   输入 HuggingFace ID
./my_data      输入本地路径

​
输入

Enter          接受默认值
y/n            是/否答案
Ctrl+C         取消

​
常见消息词汇表

使用向导时，您会看到这些英文消息。以下是它们的含义：
英文消息翻译何时出现
Going back to...返回…当您使用 :back 时
Help帮助当您使用 :help 时
Cache cleared缓存已清除当您使用 /refresh 时
Model: ... 或 ✓ Model: ...模型：…当您选择模型时
Dataset: ... 或 ✓ Dataset: ...数据集：…当您选择数据集时
This field is required此字段是必需的当您尝试跳过必填字段时
Configuration is valid!配置有效！当一切配置正确时
Start training?开始训练？在开始训练之前
Popular models (trending)热门模型（趋势）模型列表
Popular datasets (trending)热门数据集（趋势）数据集列表
Filter size:过滤大小：当您使用 /filter 时
Sort options:排序选项：当您使用 /sort 时