GraphGen

收录理由

微调大模型时，高质量指令数据的获取常常让人头疼，手工标注既慢又贵，随机采样又难以保证覆盖度。GraphGen 另辟蹊径，先从你的原始资料里构建出一张细粒度的知识图谱，再依据图谱自动生成适合监督微调的问答对，整个过程不需要你逐条编写示例，也摆脱了对随机样本的依赖。如果你已经在用 LLaMA-Factory 或 XTuner 训练 Qwen、Llama 这类模型，它生成的数据可以直接接入现有流程，省去格式转换的麻烦。当你在某个垂直领域需要大量专业问答数据时，它的价值尤其明显——无论是想扩充小模型的领域知识，还是为特定任务准备训练集，它都提供了一条清晰可操作的路径。配套的论文和 cookbook 把原理讲得很透彻，照着做就能上手。对于想让模型在特定方向更有深度的人来说，这算是一个实在好用的扩数据方案。