本文档介绍如何在 DataFlex 框架中使用 Less Selector 实现训练数据的动态选择，从而提升监督微调（SFT）效果。该方法源于Less: Sample Selection via Influence Functions (ICML 2024)。

---

1. 方法概述

Less Selector 的核心思想是： 基于Adam优化器的样本影响函数（Influence Function），通过梯度方向的相似性来度量训练样本与验证样本的相关性。在 SFT 过程中动态选择训练样本，以提升模型的泛化性能。

数学定义

$$\mathrm{Inf}_{\mathrm{less}}(z, z') \triangleq \sum_{i=1}^{N} \bar{\eta}_i \cos \big( \nabla \ell(z'; \theta_i), \Gamma(z, \theta_i) \big)$$

2. 实现步骤

步骤一：环境安装

git clone https://github.com/OpenDCAI/DataFlex.git
cd DataFlex
pip install -e .
pip install llamafactory

---

步骤二：Less Selector 参数配置

配置文件路径：

DataFlex/src/dataflex/configs/components.yaml

示例配置：

less:
  name: less
  params:
    cache_dir: ../dataflex_saves/less_output
    gradient_type: adam
    proj_dim: 4096
    seed: 123
    save_interval: 16

参数说明：

• gradient_type: 使用的梯度下降类型，默认adam。
• proj_dim: 随机投影维度，（如 4096 或 8192），用于降低计算成本，详见Less中“4.1 Step 2: Projecting the gradients”。
• cache_dir: 保存中间结果的缓存路径。
• seed: 随机种子，确保可复现性。

---

步骤三：动态训练配置

配置文件路径：

DataFlex/examples/train_lora/selectors/less.yaml

示例配置：

### model
model_name_or_path: meta-llama/Llama-3.1-8B
trust_remote_code: true

### method
stage: sft
do_train: true
finetuning_type: lora
lora_target: all
lora_rank: 16
lora_alpha: 8
deepspeed: examples/deepspeed/ds_z3_config.json  

### dataset
dataset: alpaca_en_demo
template: llama3
cutoff_len: 4096
overwrite_cache: true
preprocessing_num_workers: 16
dataloader_num_workers: 0
seed: 42

### output
output_dir: ../dataflex_saves/Llama-3.1-8B/less
logging_steps: 10
save_steps: 100
plot_loss: true
save_only_model: false
overwrite_output_dir: true

### train
per_device_train_batch_size: 1
gradient_accumulation_steps: 1
learning_rate: 1.0e-4
num_train_epochs: 1.0
lr_scheduler_type: cosine
warmup_ratio: 0.1
bf16: true
ddp_timeout: 180000000

### dynamic_train
train_type: dynamic_select
components_cfg_file: src/dataflex/configs/components.yaml
component_name: less
warmup_step: 10
update_step: 10
update_times: 2

eval_dataset: alpaca_zh_demo

参数说明：

• model_name_or_path: 监督微调训练模型的名称或路径。
• dataset: 训练数据集。
• output_dir: 动态微调结果（LoRA 适配器）的输出路径。
• warmup_step: 训练初期第一次训练数据选择前，进行warmup的步数。
• update_step: 每次训练数据动态选择的步数。
• update_times: 数据动态选择的总次数。
• eval_dataset: 验证数据集。

dataset和eval_dataset可选DataFlex/data/dataset_info.json中数据，或本地路径下sharegpt或alpaca格式的json数据。注意该方法的情形下，训练集规模会较大影响计算成本。

总步数 = warmup_step + update_step × update_times。

---

步骤四：运行训练

FORCE_TORCHRUN=1 DISABLE_VERSION_CHECK=1 dataflex-cli train examples/train_lora/selectors/less.yaml

训练过程会自动完成动态数据选择与模型更新。

---

步骤五：模型合并与导出

配置文件路径：

DataFlex/examples/merge_lora/llama3_lora_sft.yaml

示例配置：

model_name_or_path: meta-llama/Meta-Llama-3-8B-Instruct
adapter_name_or_path: ../dataflex_saves/Llama-3.1-8B/less
template: llama3
trust_remote_code: true

export_dir: ../dataflex_saves/Llama-3.1-8B_lora_sft
export_size: 5
export_device: cpu  # choices: [cpu, auto]
export_legacy_format: false

参数说明：

• model_name_or_path: 训练模型的名称或路径。
• adapter_name_or_path: LoRA适配器输出路径。
• export_dir: 监督微调后的模型，训练模型与LoRA适配器的合并结果。

执行合并导出命令：

llamafactory-cli export llama3_lora_sft.yaml

合并后的模型将保存在如下文件夹：

/dataflex_saves/Llama-3.1-8B_lora_sft

3. 模型评估

推荐使用DataFlow的模型QA能力评估流水线对生成后的模型进行系统性评估。