Интеграция с Trackio

Trackio — это лёгкая бесплатная библиотека для отслеживания экспериментов, построенная на базе 🤗 Datasets и 🤗 Spaces. Это рекомендуемое решение для отслеживания в TRL, и оно нативно интегрировано со всеми тренерами.

Чтобы включить ведение журнала, просто установите report_to="trackio" в конфигурации обучения:

from trl import SFTConfig  # works with any trainer config (e.g. DPOConfig, GRPOConfig, etc.)

training_args = SFTConfig(
    ...,
    report_to="trackio",  # enable Trackio logging
)

Организация экспериментов с помощью имен запусков и проектов

По умолчанию Trackio генерирует имя для идентификации каждого запуска. Однако мы настоятельно рекомендуем задавать описательное run_name, чтобы упростить организацию экспериментов. Например:

from trl import SFTConfig

training_args = SFTConfig(
    ...,
    report_to="trackio",
    run_name="sft_qwen3-4b_lr2e-5_bs128",  # descriptive run name
)

Вы также можете группировать связанные эксперименты по проекту, установив следующую переменную окружения:

export TRACKIO_PROJECT="my_project"

Хостинг ваших логов на 🤗 Spaces

Trackio имеет локально-ориентированный дизайн, что означает, что ваши журналы остаются на вашем компьютере. Если вы хотите разместить их и развернуть дашборд на 🤗 Spaces, установите:

export TRACKIO_SPACE_ID="username/space_id"

Запуск следующего примера:

import os
from trl import SFTConfig, SFTTrainer
from datasets import load_dataset

os.environ["TRACKIO_SPACE_ID"] = "trl-lib/trackio"
os.environ["TRACKIO_PROJECT"] = "trl-documentation"

trainer = SFTTrainer(
    model="Qwen/Qwen3-0.6B",
    train_dataset=load_dataset("trl-lib/Capybara", split="train"),
    args=SFTConfig(
        report_to="trackio",
        run_name="sft_qwen3-0.6b_capybara",
    ),
)
trainer.train()

предоставит вам хостинговую панель управления по адресу https://huggingface.co/spaces/trl-lib/trackio.