42 lines
1.2 KiB
Bash

CUDA_VISIBLE_DEVICES=1 \
NPROC_PER_NODE=1 \
swift rlhf \
--rlhf_type grpo \
--model /data1/yuyr/qwen3-8b \
--dataset webarena_sample_dup52.jsonl \
--split_dataset_ratio 0.2 \
--reward_funcs external_web_acc \
--external_plugins plugin.py \
--train_type lora \
--lora_rank 8 \
--lora_alpha 32 \
--target_modules all-linear \
--torch_dtype bfloat16 \
--system system_prompt.txt \
--max_completion_length 1024 \
--num_train_epochs 1 \
--per_device_train_batch_size 4 \
--per_device_eval_batch_size 4 \
--learning_rate 1e-5 \
--gradient_accumulation_steps 1 \
--eval_steps 100 \
--save_steps 1 \
--logging_steps 5 \
--max_length 2048 \
--output_dir output \
--warmup_ratio 0.05 \
--dataloader_num_workers 4 \
--dataset_num_proc 4 \
--num_generations 4 \
--temperature 0.9 \
--log_completions true \
--use_vllm true \
--vllm_mode server \
--vllm_server_host localhost \
--vllm_server_port 8000 \
--output_dir /data2/yuyr/direct_stepwise_train/output_data \
--save_strategy steps \
--save_total_limit 5 \
--async_generate true \
--deepspeed zero3