Hugging Face Model Trainer

Hugging Face Jobs 上的 TRL 训练

概述

在完全托管的 Hugging Face 基础设施上使用 TRL（Transformer Reinforcement Learning）训练语言模型。无需本地 GPU 配置——模型在云端 GPU 上训练，结果自动保存到 Hugging Face Hub。

TRL 提供多种训练方法：

• SFT（监督微调）- 标准指令调优
• DPO（直接偏好优化）- 从偏好数据学习对齐
• GRPO（组相对策略优化）- 在线强化学习训练
• 奖励建模 - 为 RLHF 训练奖励模型

TRL 方法详细文档：

hf_doc_search("your query", product="trl")
hf_doc_fetch("https://huggingface.co/docs/trl/sft_trainer")  # SFT
hf_doc_fetch("https://huggingface.co/docs/trl/dpo_trainer")  # DPO
# 等

另见： references/training_methods.md 了解方法概述和选择指南

适用场景

适用于以下需求：

• 在云端 GPU 上微调语言模型，无需本地基础设施
• 使用 TRL 方法训练（SFT、DPO、GRPO 等）
• 在 Hugging Face Jobs 基础设施上运行训练任务
• 将训练好的模型转换为 GGUF 用于本地部署（Ollama、LM Studio、llama.cpp）
• 确保训练模型永久保存到 Hub
• 使用优化默认值的现代工作流

何时使用 Unsloth

以下场景使用 Unsloth（references/unsloth.md）而非标准 TRL：

• GPU 显存有限 - Unsloth 节省约 60% 显存
• 速度至关重要 - Unsloth 快约 2 倍
• 训练大模型（>13B） - 显存效率至关重要
• 训练视觉语言模型（VLM） - Unsloth 支持 FastVisionModel

完整 Unsloth 文档见 references/unsloth.md，生产就绪的训练脚本见 scripts/unsloth_sft_example.py。

核心指令

协助训练任务时：

1. 始终使用 hf_jobs() MCP 工具 - 使用 hf_jobs("uv", {...}) 提交任务，而非 bash trl-jobs 命令。script 参数直接接受 Python 代码。除非用户明确要求，否则不要保存到本地文件。将脚本内容作为字符串传递给 hf_jobs()。如果用户要求"训练模型"、"微调"或类似请求，必须创建训练脚本并立即使用 hf_jobs() 提交任务。

2. 始终包含 Trackio - 每个训练脚本都应包含 Trackio 用于实时监控。使用 scripts/ 中的示例脚本作为模板。

3. 提交后提供任务详情 - 提交后，提供任务 ID、监控 URL、预计时间，并告知用户可稍后请求状态检查。

4. 使用示例脚本作为模板 - 参考 scripts/train_sft_example.py、scripts/train_dpo_example.py 等作为起点。

本地脚本执行

仓库脚本使用 PEP 723 内联依赖。使用 uv run 运行：

uv run scripts/estimate_cost.py --help
uv run scripts/dataset_inspector.py --help

前置条件检查清单

启动任何训练任务前，请确认：

✅ 账户与认证

• 拥有 Pro、Team 或 Enterprise 计划的 Hugging Face 账户（Jobs 需要付费计划）
• 已认证登录：使用 hf_whoami() 检查
• 用于 Hub 推送的 HF_TOKEN ⚠️ 关键 - 训练环境是临时的，必须推送到 Hub，否则所有训练结果将丢失
• Token 必须具有写入权限
• 必须在任务配置中传递 secrets={"HF_TOKEN": "$HF_TOKEN"} 使 token 可用（$HF_TOKEN 语法引用实际的 token 值）

✅ 数据集要求

• 数据集必须存在于 Hub 或可通过 datasets.load_dataset() 加载
• 格式必须匹配训练方法（SFT: "messages"/text/prompt-completion；DPO: chosen/rejected；GRPO: 仅 prompt）
• 始终在 GPU 训练前验证未知数据集 以防止格式错误（见下方数据集验证部分）
• 大小适合硬件（演示：t4-small 上 50-100 条样本；生产：a10g-large/a100-large 上 1K-10K+ 条）

⚠️ 关键设置

• 超时必须超过预计训练时间 - 默认 30 分钟对大多数训练来说太短。建议最少 1-2 小时。超过超时时间任务会失败并丢失所有进度。
• 必须启用 Hub 推送 - 配置：push_to_hub=True、hub_model_id="username/model-name"；任务：secrets={"HF_TOKEN": "$HF_TOKEN"}

异步任务指南

⚠️ 重要：训练任务异步运行，可能需要数小时

必要操作

当用户请求训练时：

1. 创建训练脚本 并包含 Trackio（使用 scripts/train_sft_example.py 作为模板）
2. 立即提交 使用 hf_jobs() MCP 工具，脚本内容内联 - 除非用户要求，否则不保存到文件
3. 报告提交结果 包含任务 ID、监控 URL 和预计时间
4. 等待用户 请求状态检查 - 不要自动轮询

基本规则

• 任务后台运行 - 提交后立即返回；训练独立继续
• 初始日志延迟 - 日志出现可能需要 30-60 秒
• 用户检查状态 - 等待用户请求状态更新
• 避免轮询 - 仅在用户请求时检查日志；改为提供监控链接

提交后

向用户提供：

• ✅ 任务 ID 和监控 URL
• ✅ 预计完成时间
• ✅ Trackio 仪表盘 URL
• ✅ 说明用户可稍后请求状态检查

示例回复：

✅ 任务提交成功！

任务 ID: abc123xyz
监控: https://huggingface.co/jobs/username/abc123xyz

预计时间: ~2 小时
预计费用: ~$10

任务正在后台运行。准备好后让我检查状态/日志！

快速开始：三种方式

💡 演示提示： 在较小 GPU（t4-small）上进行快速演示时，省略 eval_dataset 和 eval_strategy 可节省约 40% 显存。你仍可看到训练损失和学习进度。

序列长度配置

TRL 配置类使用 max_length（而非 max_seq_length）控制分词序列长度：

# ✅ 正确 - 如需设置序列长度
SFTConfig(max_length=512)   # 将序列截断到 512 token
DPOConfig(max_length=2048)  # 更长上下文（2048 token）

# ❌ 错误 - 此参数不存在
SFTConfig(max_seq_length=512)  # TypeError!

默认行为： max_length=1024（从右侧截断）。适用于大多数训练。

何时覆盖：

• 更长上下文：设置更高（如 max_length=2048）
• 显存限制：设置更低（如 max_length=512）
• 视觉模型：设置 max_length=None（防止截断图像 token）

通常不需要设置此参数 - 以下示例使用合理的默认值。

方式 1：UV 脚本（推荐—默认选择）

UV 脚本使用 PEP 723 内联依赖，实现简洁、自包含的训练。这是 Claude Code 的主要方式。

hf_jobs("uv", {
    "script": """
# /// script
# dependencies = ["trl>=0.12.0", "peft>=0.7.0", "trackio"]
# ///

from datasets import load_dataset
from peft import LoraConfig
from trl import SFTTrainer, SFTConfig
import trackio

dataset = load_dataset("trl-lib/Capybara", split="train")

# 创建训练/验证分割用于监控
dataset_split = dataset.train_test_split(test_size=0.1, seed=42)

trainer = SFTTrainer(
    model="Qwen/Qwen2.5-0.5B",
    train_dataset=dataset_split["train"],
    eval_dataset=dataset_split["test"],
    peft_config=LoraConfig(r=16, lora_alpha=32),
    args=SFTConfig(
        output_dir="my-model",
        push_to_hub=True,
        hub_model_id="username/my-model",
        num_train_epochs=3,
        eval_strategy="steps",
        eval_steps=50,
        report_to="trackio",
        project="meaningful_prject_name", # 训练名称的项目名 (trackio)
        run_name="meaningful_run_name",   # 特定训练运行的描述性名称 (trackio)
    )
)

trainer.train()
trainer.push_to_hub()
""",
    "flavor": "a10g-large",
    "timeout": "2h",
    "secrets": {"HF_TOKEN": "$HF_TOKEN"}
})

优势： 直接使用 MCP 工具、代码简洁、依赖内联声明（PEP 723）、无需保存文件、完全控制 适用场景： Claude Code 中所有训练任务的默认选择、自定义训练逻辑、任何需要 hf_jobs() 的场景

使用脚本

⚠️ 重要： script 参数接受内联代码（如上所示）或 URL。本地文件路径不起作用。

本地路径不起作用的原因： 任务在隔离的 Docker 容器中运行，无法访问你的本地文件系统。脚本必须是：

• 内联代码（自定义训练推荐）
• 公开可访问的 URL
• 私有仓库 URL（需要 HF_TOKEN）

常见错误：

# ❌ 这些都会失败
hf_jobs("uv", {"script": "train.py"})
hf_jobs("uv", {"script": "./scripts/train.py"})
hf_jobs("uv", {"script": "/path/to/train.py"})

正确方式：

# ✅ 内联代码（推荐）
hf_jobs("uv", {"script": "# /// script\n# dependencies = [...]\n# ///\n\n<your code>"})

# ✅ 从 Hugging Face Hub
hf_jobs("uv", {"script": "https://huggingface.co/user/repo/resolve/main/train.py"})

# ✅ 从 GitHub
hf_jobs("uv", {"script": "https://raw.githubusercontent.com/user/repo/main/train.py"})

# ✅ 从 Gist
hf_jobs("uv", {"script": "https://gist.githubusercontent.com/user/id/raw/train.py"})

使用本地脚本： 先上传到 HF Hub：

hf repos create my-training-scripts --type model
hf upload my-training-scripts ./train.py train.py
# 使用: https://huggingface.co/USERNAME/my-training-scripts/resolve/main/train.py

方式 2：TRL 官方脚本

TRL 为所有方法提供经过实战检验的脚本。可从 URL 运行：

hf_jobs("uv", {
    "script": "https://github.com/huggingface/trl/blob/main/trl/scripts/sft.py",
    "script_args": [
        "--model_name_or_path", "Qwen/Qwen2.5-0.5B",
        "--dataset_name", "trl-lib/Capybara",
        "--output_dir", "my-model",
        "--push_to_hub",
        "--hub_model_id", "username/my-model"
    ],
    "flavor": "a10g-large",
    "timeout": "2h",
    "secrets": {"HF_TOKEN": "$HF_TOKEN"}
})

优势： 无需编写代码、TRL 团队维护、生产测试 适用场景： 标准 TRL 训练、快速实验、无需自定义代码 可用脚本： https://github.com/huggingface/trl/tree/main/examples/scripts

在 Hub 上发现更多 UV 脚本

uv-scripts 组织提供存储在 Hugging Face Hub 上的即用型 UV 脚本：

# 发现可用的 UV 脚本集合
dataset_search({"author": "uv-scripts", "sort": "downloads", "limit": 20})

# 探索特定集合
hub_repo_details(["uv-scripts/classification"], repo_type="dataset", include_readme=True)

热门集合： ocr、classification、synthetic-data、vllm、dataset-creation

方式 3：HF Jobs CLI（直接终端命令）

当 hf_jobs() MCP 工具不可用时，直接使用 hf jobs CLI。

⚠️ 关键：CLI 语法规则

# ✅ 正确语法 - 标志在脚本 URL 之前
hf jobs uv run --flavor a10g-large --timeout 2h --secrets HF_TOKEN "https://example.com/train.py"

# ❌ 错误 - "run uv" 而非 "uv run"
hf jobs run uv "https://example.com/train.py" --flavor a10g-large

# ❌ 错误 - 标志在脚本 URL 之后（会被忽略！）
hf jobs uv run "https://example.com/train.py" --flavor a10g-large

# ❌ 错误 - "--secret" 而非 "--secrets"（复数）
hf jobs uv run --secret HF_TOKEN "https://example.com/train.py"

关键语法规则：

1. 命令顺序是 hf jobs uv run（而非 hf jobs run uv）
2. 所有标志（--flavor、--timeout、--secrets）必须在脚本 URL 之前
3. 使用 --secrets（复数），而非 --secret
4. 脚本 URL 必须是最后一个位置参数

完整 CLI 示例：

hf jobs uv run \
  --flavor a10g-large \
  --timeout 2h \
  --secrets HF_TOKEN \
  "https://huggingface.co/user/repo/resolve/main/train.py"

通过 CLI 检查任务状态：

hf jobs ps                        # 列出所有任务
hf jobs logs <job-id>             # 查看日志
hf jobs inspect <job-id>          # 任务详情
hf jobs cancel <job-id>           # 取消任务

方式 4：TRL Jobs 包（简化训练）

trl-jobs 包提供优化默认值和一行式训练。

uvx trl-jobs sft \
  --model_name Qwen/Qwen2.5-0.5B \
  --dataset_name trl-lib/Capybara

优势： 预配置设置、自动 Trackio 集成、自动 Hub 推送、单行命令 适用场景： 用户直接在终端工作（非 Claude Code 环境）、快速本地实验 仓库： https://github.com/huggingface/trl-jobs

⚠️ 在 Claude Code 环境中，优先使用 hf_jobs() MCP 工具（方式 1）。

硬件选择

GPU 规格： cpu-basic/upgrade/performance/xl、t4-small/medium、l4x1/x4、a10g-small/large/largex2/largex4、a100-large、h100/h100x8

指南：

• 模型 >7B 使用 LoRA/PEFT 以减少显存
• 多 GPU 由 TRL/Accelerate 自动处理
• 测试时从较小硬件开始

详见： references/hardware_guide.md 了解详细规格

关键：保存结果到 Hub

⚠️ 临时环境—必须推送到 Hub

Jobs 环境是临时的。任务结束时所有文件都会删除。如果模型未推送到 Hub，所有训练将丢失。

必需配置

在训练脚本/配置中：

SFTConfig(
    push_to_hub=True,
    hub_model_id="username/model-name",  # 必须指定
    hub_strategy="every_save",  # 可选：推送检查点
)

在任务提交中：

{
    "secrets": {"HF_TOKEN": "$HF_TOKEN"}  # 启用认证
}

验证检查清单

提交前：

• 配置中设置 push_to_hub=True
• hub_model_id 包含 username/repo-name
• secrets 参数包含 HF_TOKEN
• 用户对目标仓库有写入权限

详见： references/hub_saving.md 了解详细故障排除

超时管理

⚠️ 默认：30 分钟—对训练来说太短

设置超时

{
    "timeout": "2h"   # 2 小时（格式："90m"、"2h"、"1.5h" 或秒数整数）
}

超时指南

始终增加 20-30% 缓冲 用于模型/数据集加载、检查点保存、Hub 推送操作和网络延迟。

超时后： 任务立即终止，所有未保存进度丢失，必须从头开始

费用估算

当参数已知时，主动提供费用估算。 使用 scripts/estimate_cost.py：

uv run scripts/estimate_cost.py \
  --model meta-llama/Llama-2-7b-hf \
  --dataset trl-lib/Capybara \
  --hardware a10g-large \
  --dataset-size 16000 \
  --epochs 3

输出包括预计时间、费用、推荐超时（含缓冲）和优化建议。

何时提供： 用户规划任务、询问费用/时间、选择硬件、任务运行 >1 小时或费用 >$5

示例训练脚本

生产就绪模板，包含所有最佳实践：

正确加载这些脚本：

• scripts/train_sft_example.py - 完整 SFT 训练，含 Trackio、LoRA、检查点
• scripts/train_dpo_example.py - DPO 训练用于偏好学习
• scripts/train_grpo_example.py - GRPO 训练用于在线强化学习

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。将其内容内联传递给 hf_jobs() 或作为自定义脚本的模板。

监控与追踪

Trackio 提供实时指标可视化。完整设置指南见 references/trackio_guide.md。

要点：

• 在依赖中添加 trackio
• 使用 report_to="trackio" and run_name="meaningful_name" 配置 trainer

Trackio 配置默认值

除非用户指定，否则使用合理默认值。 生成带 Trackio 的训练脚本时：

默认配置：

• Space ID：{username}/trackio（使用 "trackio" 作为默认 space 名称）
• 运行命名：除非另有说明，以用户可识别的方式命名运行（如描述任务、模型或用途）
• 配置：保持最小 - 仅包含超参数和模型/数据集信息
• 项目名称：使用项目名称将运行关联到特定项目

用户覆盖： 如果用户请求特定的 trackio 配置（自定义 space、运行命名、分组或额外配置），应用其偏好而非默认值。

这对于管理具有相同配置的多个任务或保持训练脚本可移植性很有用。

完整文档见 references/trackio_guide.md，包括实验分组运行。

检查任务状态

# 列出所有任务
hf_jobs("ps")

# 检查特定任务
hf_jobs("inspect", {"job_id": "your-job-id"})

# 查看日志
hf_jobs("logs", {"job_id": "your-job-id"})

记住： 等待用户请求状态检查。避免重复轮询。

数据集验证

在启动 GPU 训练前验证数据集格式，防止训练失败的首要原因：格式不匹配。

为何验证

• 50%+ 的训练失败由数据集格式问题导致
• DPO 尤其严格：要求精确的列名（prompt、chosen、rejected）
• 失败的 GPU 任务浪费 $1-10 和 30-60 分钟
• CPU 验证成本约 $0.01，耗时 <1 分钟

何时验证

始终验证：

• 未知或自定义数据集
• DPO 训练（关键 - 90% 的数据集需要映射）
• 任何未明确 TRL 兼容的数据集

跳过已知 TRL 数据集的验证：

• trl-lib/ultrachat_200k、trl-lib/Capybara、HuggingFaceH4/ultrachat_200k 等

用法

hf_jobs("uv", {
    "script": "https://huggingface.co/datasets/mcp-tools/skills/raw/main/dataset_inspector.py",
    "script_args": ["--dataset", "username/dataset-name", "--split", "train"]
})

脚本运行快速，通常同步完成。

读取结果

输出显示每种训练方法的兼容性：

• ✓ READY - 数据集兼容，直接使用
• ✗ NEEDS MAPPING - 兼容但需要预处理（提供映射代码）
• ✗ INCOMPATIBLE - 无法用于此方法

需要映射时，输出包含 "MAPPING CODE" 部分，提供可直接复制粘贴的 Python 代码。

示例工作流

# 1. 检查数据集（成本约 $0.01，CPU 上 <1 分钟）
hf_jobs("uv", {
    "script": "https://huggingface.co/datasets/mcp-tools/skills/raw/main/dataset_inspector.py",
    "script_args": ["--dataset", "argilla/distilabel-math-preference-dpo", "--split", "train"]
})

# 2. 检查输出标记：
#    ✓ READY → 继续训练
#    ✗ NEEDS MAPPING → 应用下方映射代码
#    ✗ INCOMPATIBLE → 选择不同方法/数据集

# 3. 如需映射，训练前应用：
def format_for_dpo(example):
    return {
        'prompt': example['instruction'],
        'chosen': example['chosen_response'],
        'rejected': example['rejected_response'],
    }
dataset = dataset.map(format_for_dpo, remove_columns=dataset.column_names)

# 4. 放心启动训练任务

常见场景：DPO 格式不匹配

大多数 DPO 数据集使用非标准列名。示例：

数据集包含: instruction, chosen_response, rejected_response
DPO 需要: prompt, chosen, rejected

验证器检测到此问题并提供精确的映射代码修复。

将模型转换为 GGUF

训练后，将模型转换为 GGUF 格式 用于 llama.cpp、Ollama、LM Studio 和其他本地推理工具。

GGUF 是什么：

• 为 llama.cpp 的 CPU/GPU 推理优化
• 支持量化（4-bit、5-bit、8-bit）以减小模型大小
• 兼容 Ollama、LM Studio、Jan、GPT4All、llama.cpp
• 7B 模型通常 2-8GB（未量化约 14GB）

何时转换：

• 使用 Ollama 或 LM Studio 本地运行模型
• 通过量化减小模型大小
• 部署到边缘设备
• 分享用于本地优先使用的模型

详见： references/gguf_conversion.md 了解完整转换指南，包括生产就绪的转换脚本、量化选项、硬件要求、使用示例和故障排除。

快速转换：

hf_jobs("uv", {
    "script": "<完整脚本见 references/gguf_conversion.md>",
    "flavor": "a10g-large",
    "timeout": "45m",
    "secrets": {"HF_TOKEN": "$HF_TOKEN"},
    "env": {
        "ADAPTER_MODEL": "username/my-finetuned-model",
        "BASE_MODEL": "Qwen/Qwen2.5-0.5B",
        "OUTPUT_REPO": "username/my-model-gguf"
    }
})

常见训练模式

详细示例见 references/training_patterns.md，包括：

• 快速演示（5-10 分钟）
• 带检查点的生产训练
• 多 GPU 训练
• DPO 训练（偏好学习）
• GRPO 训练（在线强化学习）

常见失败模式

内存不足（OOM）

修复（按顺序尝试）：

1. 减小批次大小：per_device_train_batch_size=1，增加 gradient_accumulation_steps=8。有效批次大小为 per_device_train_batch_size x gradient_accumulation_steps。为获得最佳性能，保持有效批次大小接近 128。
2. 启用：gradient_checkpointing=True
3. 升级硬件：t4-small → l4x1、a10g-small → a10g-large 等。

数据集格式错误

修复：

1. 先用数据集检查器验证：

   uv run https://huggingface.co/datasets/mcp-tools/skills/raw/main/dataset_inspector.py \
     --dataset name --split train
   

2. 检查输出的兼容性标记（✓ READY、✗ NEEDS MAPPING、✗ INCOMPATIBLE）
3. 如需要，应用检查器输出中的映射代码

任务超时

修复：

1. 检查日志了解实际运行时间：hf_jobs("logs", {"job_id": "..."})
2. 增加超时并加缓冲："timeout": "3h"（在预计时间上增加 30%）
3. 或减少训练：降低 num_train_epochs、使用更小数据集、启用 max_steps
4. 保存检查点：save_strategy="steps"、save_steps=500、hub_strategy="every_save"

注意： 默认 30 分钟对实际训练不足。最少 1-2 小时。

Hub 推送失败

修复：

1. 添加到任务：secrets={"HF_TOKEN": "$HF_TOKEN"}
2. 添加到配置：push_to_hub=True、hub_model_id="username/model-name"
3. 验证认证：mcp__huggingface__hf_whoami()
4. 检查 token 有写入权限且仓库存在（或设置 hub_private_repo=True）

缺少依赖

修复： 添加到 PEP 723 头部：

# /// script
# dependencies = ["trl>=0.12.0", "peft>=0.7.0", "trackio", "missing-package"]
# ///

故障排除

常见问题：

• 任务超时 → 增加超时、减少 epochs/数据集、使用更小模型/LoRA
• 模型未保存到 Hub → 检查 push_to_hub=True、hub_model_id、secrets=HF_TOKEN
• 内存不足（OOM）→ 减小批次大小、增加梯度累积、启用 LoRA、使用更大 GPU
• 数据集格式错误 → 用数据集检查器验证（见数据集验证部分）
• 导入/模块错误 → 添加 PEP 723 头部声明依赖、验证格式
• 认证错误 → 检查 mcp__huggingface__hf_whoami()、token 权限、secrets 参数

详见： references/troubleshooting.md 了解完整故障排除指南

资源

参考资料（本技能内）

• references/training_methods.md - SFT、DPO、GRPO、KTO、PPO、奖励建模概述
• references/training_patterns.md - 常见训练模式和示例
• references/unsloth.md - Unsloth 快速 VLM 训练（约 2 倍速度、60% 更少显存）
• references/gguf_conversion.md - 完整 GGUF 转换指南
• references/trackio_guide.md - Trackio 监控设置
• references/hardware_guide.md - 硬件规格和选择
• references/hub_saving.md - Hub 认证故障排除
• references/troubleshooting.md - 常见问题和解决方案
• references/local_training_macos.md - macOS 本地训练

脚本（本技能内）

• scripts/train_sft_example.py - 生产 SFT 模板
• scripts/train_dpo_example.py - 生产 DPO 模板
• scripts/train_grpo_example.py - 生产 GRPO 模板
• scripts/unsloth_sft_example.py - Unsloth 文本 LLM 训练模板（更快、更少显存）
• scripts/estimate_cost.py - 估算时间和费用（适当时提供）
• scripts/convert_to_gguf.py - 完整 GGUF 转换脚本

外部脚本

• 数据集检查器 - 训练前验证数据集格式（通过 uv run 或 hf_jobs 使用）

外部链接

• TRL 文档
• TRL Jobs 训练指南
• TRL Jobs 包
• HF Jobs 文档
• TRL 示例脚本
• UV 脚本指南
• UV Scripts 组织

核心要点

1. 内联提交脚本 - script 参数直接接受 Python 代码；除非用户要求，否则无需保存文件
2. 任务异步运行 - 不要等待/轮询；让用户准备好时检查
3. 始终设置超时 - 默认 30 分钟不足；建议最少 1-2 小时
4. 始终启用 Hub 推送 - 环境是临时的；不推送则所有结果丢失
5. 包含 Trackio - 使用示例脚本作为模板实现实时监控
6. 提供费用估算 - 参数已知时，使用 scripts/estimate_cost.py
7. 使用 UV 脚本（方式 1） - 默认使用带内联脚本的 hf_jobs("uv", {...})；标准训练用 TRL 官方脚本；Claude Code 中避免 bash trl-jobs 命令
8. 使用 hf_doc_fetch/hf_doc_search 获取最新 TRL 文档
9. 训练前验证数据集格式 使用数据集检查器（见数据集验证部分）
10. 选择合适硬件 适配模型大小；模型 >7B 使用 LoRA

限制

• 仅当任务明确符合上述描述的范围时使用此技能。
• 不要将输出替代环境特定的验证、测试或专家审查。
• 如果缺少必需的输入、权限、安全边界或成功标准，停止并请求澄清。