Unsloth 开源本地训练决策模型教程

先了解这件事

Unsloth 发布教程、开源仓库和免费 notebook，教用户在本地把 Qwen3.5 等大模型微调成输出决策而非文本的决策模型。按其说法，用 Clef head 加 LoRA（r=64）微调一个 epoch，Qwen3.5 0.8B 在 3 个决策基准上的合计准确率从 20.7% 提升至 74.3%，仅需 4GB 显存；新发布的 notebook 面向 Qwen3.5-4B，本地需 8GB 显存，内容涵盖数据准备（state、questions、gold answers）、训练与服务。

上述准确率与显存数据均来自 Unsloth 自身发布，尚未见独立验证。