LLaMA-Factory 是一款非常实用的工具，它极大地简化了大语言模型的微调流程，提升了操作的便捷性和可执行性。

由于本地硬件资源有限，本次实验选择借助云端算力平台进行，选用了“算多多”作为训练环境。该平台整体使用体验良好，响应效率高，官方支持反馈及时，值得肯定。

1. 模型与数据配置

在基础设置中，选用 Qwen2-1.5 作为待微调的基础模型，其余参数保持默认即可。进入训练页签后，将训练数据集（Dataset）设定为 identiy，其他选项无需调整。

2. 启动训练任务

完成配置后，点击“开始训练”按钮，系统将启动训练流程。训练完成后可查看输出结果。

3. 模型效果评估

训练结束后，选取生成的微调 Checkpoint 进行性能评估。选择对应检查点并点击“开始”按钮，系统将运行评测并返回最终评价结果。

4. 与微调模型对话测试

评估完成后，加载已微调的模型实例，进行初步的对话交互测试，验证其响应能力与行为表现。

5. 模型导出与后续使用

确认模型表现符合预期后，点击“导出模型”按钮，系统将在指定路径下生成完整的微调后模型文件。下载该模型后，可将其导入至 Ollama 等本地推理框架中运行和使用。

以上即为基于 LLaMA-Factory 完成模型微调与部署的主要流程，整个过程清晰高效，适合资源受限下的快速实验与迭代。