hiyouga/LlamaFactory：README 來源編輯指南

hiyouga/LlamaFactory 的 README 將專案描述為「Unified Efficient Fine-Tuning of 100+ LLMs & VLMs (ACL 2024)」。本文只整理倉庫可直接核對的內容，不把 star、Fork 或宣傳語當成品質證明。README 在「Supporters ❤️」下寫到：| Warp, the agentic terminal for developers Available for MacOS, Linux, & Windows | | | ---- | ---- |。這說明的是專案邊界，不是已完成的生產驗證。

從 README 的「Features」與相關條目，可以先判斷它是否處理你的實際問題：Integrated methods: (Continuous) pre-training, (multimodal) supervised fine-tuning, reward modeling, PPO, DPO, KTO, ORPO, etc.。若需求不同，不應只因專案熱度就採用。本文保留原始專案名、命令與元件名，方便回到一手來源核對。 README 另外列出一項可核對的資訊：Various models: LLaMA, LLaVA, Mistral, Mixtral-MoE, Qwen3, Qwen3-VL, DeepSeek, Gemma, GLM, Phi, etc.。這類原文條目可用來設計試跑步驟，但不能取代實際環境測試。

README 將運作方式分散在「Easily fine-tune 100+ large language models with zero-code CLI」等段落。可確認的線索包括：> [!NOTE] > Except for the above links, all other websites are unauthorized third-party websites. Please carefully use them.。本文不把未寫出的架構、效能或安全邊界補成結論；真正的執行鏈仍要配合目錄、設定檔與版本標籤檢查。

第一次安裝應從 README 指出的入口開始。目前可核對的命令是： pip install "huggingface_hub<1.0.0" huggingface-cli login 如果倉庫沒有命令，本文不會自行編造步驟，而是建議先閱讀「Check our new open-source project , 🐧 PenguinHarness: Your desktop agent that automatically builds agents for just $0.02 of tokens!」，確認系統依賴、預設埠與首次初始化。

日常使用取決於專案文件。README 的「Day-N Support for Fine-Tuning Cutting-Edge Models」段落提到：| Support Date | Model Name | | ------------ | -------------------------------------------------------------------- | | Day 0 | Qwen3 / Qwen2.5-VL / Gemma 3 / GLM-4.1V / InternLM 3 / MiniCPM-o-2.6 | | Day 1 | Llama 3 / GLM-4 / Mistral。設定檔、環境變數、權限與資料目錄只在來源明確時才會記錄；沒有寫出的預設值，應在測試環境驗證並保留回滾副本。 同一部分也提到：Scalable resources: 16-bit full-tuning, freeze-tuning, LoRA and 2/3/4/5/6/8-bit QLoRA via AQLM/AWQ/GPTQ/LLM.int8/HQQ/EETQ.。