本文へスキップ

RAGFoundry

RAG データセットで LLM を微調整するライブラリ

公式サイトを見る

RAGFoundry とは

本ライブラリは RAG 強化データでの微調整を通じ、LLM が外部情報をより良く使えるようにする枠組みと説明されている。

できること

  • RAG のやり取りを残すデータセットを作る
  • PEFT で任意のモデルを学習する
  • 学習済み・未学習の LLM で予測を出す
  • 独自指標で評価を回す

導入の手順

  • ライブラリを手元へ複製する
  • 設定ファイルを書き換え流れを定める
  • processing.py でデータセットを作る
  • training.py でモデルを学習する

補足情報

  • 部品に分かれ拡張しやすい
  • 流れは設定ファイルに記される
  • 学習済みモデルを HF Hub へ送れる

長所と短所

✓ 良い点

  • 流れは設定ファイルで組み替えられる
  • 学習済みモデルを HF Hub へ送れる

! 注意したい点

  • 作業はライブラリの手元への複製から始まる
  • 手順は processing.py や training.py に沿う

よくある質問

学習の方式は?

資料はパラメータ効率の良い微調整、すなわち PEFT と説明。

モデルは共有できる?

資料は学習済みモデルを HF Hub へ送れると説明。

最終評価日: 2026-11-15

その他 AIコーディングツール ツール

すべて見る →

評価方法