NexQuant/rdagent/app/finetune/llm

LLM Fine-tuning (FT) 场景运行指南

本文档介绍如何运行 RD-Agent 的 LLM Fine-tuning 场景。

简介

FT 场景用于自动化优化大语言模型在特定 benchmark 上的表现。系统会自动：

1. 生成数据处理和训练代码
2. 执行模型微调
3. 在目标 benchmark 上评估模型性能
4. 根据反馈迭代改进

支持的 Benchmark

类别	Benchmark	数据集	描述
Math	aime24, aime25	deepscaler	AIME 数学竞赛
Patent	panorama_par4pc	panorama-par4pc	专利现有技术检索
Patent	panorama_pi4pc	panorama-pi4pc	专利段落识别
Patent	panorama_noc4pc	panorama-noc4pc	专利新颖性分类
Chemistry	chemcotbench_mol_und	chemcot-mol_und	分子理解
Chemistry	chemcotbench_mol_edit	chemcot-mol_edit	分子编辑
Chemistry	chemcotbench_mol_opt	chemcot-mol_opt	分子优化
Chemistry	chemcotbench_reaction	chemcot-rxn	化学反应预测

数据集配置位于 rdagent/scenarios/finetune/datasets/__init__.py 的 DATASETS 字典中。

运行时agent会查看所有数据集，根据target benchmark和scenario选出与之相关的。

环境配置

1. 运行环境

确保已安装 rdagent 主运行环境，其他需要的运行环境会自动创建

在 .env 配置文件中通过设置 FT_Coder_CoSTEER_env_type = conda/docker 来配置

2. .env 配置文件

在项目根目录创建 .env 文件，参考以下模板：

# ========== API Configuration ==========
BACKEND=rdagent.oai.backend.LiteLLMAPIBackend
CHAT_MODEL=gpt-5.2
CHAT_TEMPERATURE=1
CHAT_STREAM=True
OPENAI_API_KEY=sk-xxx
OPENAI_API_BASE=http://your-api-endpoint

EMBEDDING_MODEL=text-embedding-ada-002
EMBEDDING_USE_AZURE=True

# ========== Global Configs ==========
MAX_RETRY=12000
RETRY_WAIT_SECONDS=5
MULTI_PROC_N=16
STEP_SEMAPHORE=1

# ========== Cache Settings ==========
DUMP_CHAT_CACHE=False
USE_CHAT_CACHE=False
DUMP_EMBEDDING_CACHE=True
USE_EMBEDDING_CACHE=True
LOG_LLM_CHAT_CONTENT=True

CHAT_FREQUENCY_PENALTY=0.1
CHAT_PRESENCE_PENALTY=0.0

# ========== FT Scenario Specific ==========
FT_FILE_PATH=/path/to/your/finetune/workspace

# Environment type: docker or conda
# Set to "conda" when Docker is unavailable
FT_Coder_CoSTEER_env_type=conda

# Docker settings (only used when env_type=docker)
FT_DOCKER_ENABLE_CACHE=True
FT_UPDATE_LLAMA_FACTORY=False

# Data processing API concurrency (adjust based on target API capacity)
FT_API_MAX_WORKERS=1000

# Data processing Model
FT_STRONG_MODELS='["gpt-5", "gpt-5.1"]'
FT_WEAK_MODELS='["gpt-4o-mini"]'

# Benchmark and target (can be overridden in script)
FT_TARGET_BENCHMARK=aime25
FT_USER_TARGET_SCENARIO="I need to enhance the model's performance on math reasoning tasks."

# Timeout settings
FT_DATA_PROCESSING_TIMEOUT=28800

# Judge settings (optional)
# FT_JUDGE_MODEL=gpt-5.1
# FT_JUDGE_RETRY=10

REASONING_THINK_RM=True

# ========== Logging ==========
LOG_FORMAT_CONSOLE="{time:YYYY-MM-DD HH:mm:ss.SSS} | {level: <8} | <cyan>{process}</cyan> | {name}:{function}:{line} - {message}"

# ========== HuggingFace ==========
HF_TOKEN=hf_xxx

运行方法

基本命令

# 激活 conda 环境
conda activate rdagent

# 运行 FT 场景
dotenv run -- python rdagent/app/finetune/llm/loop.py --base-model <MODEL>

命令行参数

参数	说明	示例
--base-model	基础模型名称（必需，其他都可以不填）	Qwen/Qwen2.5-7B-Instruct
--benchmark	目标 benchmark	aime25
--benchmark-description	Benchmark 描述	-
--dataset	指定数据集	-
--step-n	步数限制	10
--loop-n	循环次数限制	5
--timeout	总时间限制	-

运行示例

# 在 AIME25 上微调 Qwen2.5-7B
dotenv run -- python rdagent/app/finetune/llm/loop.py \
    --base-model Qwen/Qwen2.5-7B-Instruct

# 指定 GPU 运行
CUDA_VISIBLE_DEVICES=0,1 dotenv run -- python rdagent/app/finetune/llm/loop.py \
    --base-model Qwen/Qwen2.5-7B-Instruct

# 限制循环次数
dotenv run -- python rdagent/app/finetune/llm/loop.py \
    --base-model Qwen/Qwen2.5-7B-Instruct \
    --loop-n 3

多任务并行运行

创建 tasks.json 配置文件：

{
  "tasks": [
    {"model": "Qwen/Qwen2.5-7B-Instruct", "benchmark": "aime25", "gpus": "0,1"},
    {"model": "Qwen/Qwen2.5-7B-Instruct", "benchmark": "gsm8k", "gpus": "2,3"}
  ]
}

使用 run_ft_deploy.sh 脚本运行：

./run_ft_deploy.sh tasks.json           # 正常运行
./run_ft_deploy.sh tasks.json --dry-run # 仅预览配置
./run_ft_deploy.sh tasks.json --no-sync # 禁用 blob 同步

run_ft_deploy.sh 脚本参考

#!/bin/bash
# 多任务并行部署脚本（简化版）

RDAGENT_DIR="$HOME/RD-Agent"
ENV_TEMPLATE=".env.ft"
STAGGER_DELAY=60

cd "$RDAGENT_DIR"
source ~/miniconda3/etc/profile.d/conda.sh
conda activate rdagent

CONFIG_FILE="${1:-tasks.json}"
NUM_TASKS=$(jq '.tasks | length' "$CONFIG_FILE")

for ((i=0; i<NUM_TASKS; i++)); do
    model=$(jq -r ".tasks[$i].model" "$CONFIG_FILE")
    benchmark=$(jq -r ".tasks[$i].benchmark" "$CONFIG_FILE")
    gpus=$(jq -r ".tasks[$i].gpus" "$CONFIG_FILE")

    # 更新 .env 中的 benchmark
    cp "$ENV_TEMPLATE" .env
    sed -i "s|^FT_TARGET_BENCHMARK=.*|FT_TARGET_BENCHMARK=$benchmark|" .env

    CUDA_VISIBLE_DEVICES=$gpus \
    dotenv run -- python rdagent/app/finetune/llm/loop.py --base-model "$model" &

    # 首个任务等待环境创建，后续任务错开启动
    [[ $i -eq 0 ]] && sleep 120 || sleep $STAGGER_DELAY
done

wait

Blob 日志同步

使用 Azure Blob 在多台机器间同步日志文件。

1. 生成 SAS Token

# 首先登录 Azure CLI
az login

# 生成 Token（默认有效期 7 天）
bash rdagent/utils/blob/gen_token.sh

# 或指定过期时间
bash rdagent/utils/blob/gen_token.sh 2025-01-31T00:00Z

Token 会保存到 git_ignore_folder/.az_sas_token。

2. 同步日志

同步路径：log/ ↔ blob://epeastus/rdagent/FinetuneAgenticLLM/FT_qizheng/logs

# 上传本地日志到 Blob
bash rdagent/utils/blob/azsync.sh up

# 从 Blob 下载日志到本地
bash rdagent/utils/blob/azsync.sh down

如需修改远程路径，编辑 rdagent/utils/blob/azsync.sh 中的 REMOTE_PATH 变量。

日志查看

运行日志保存在 log/ 目录下：

log/
└── 2025-01-01_12-00-00-123456/
    ├── Loop_0/
    │   ├── direct_exp_gen/   # 假设生成
    │   ├── coding/           # 代码生成
    │   ├── running/          # 训练执行
    │   └── feedback/         # 反馈总结
    └── Loop_1/
        └── ...