这是个宝库，值得收藏。
https://unsloth.ai/docs/basics/train-your-own-decision-model-with-unsloth
Unsloth 决策模型免费 Notebook：Qwen3.5-4B 本地训练部署入门指南
Unsloth 是一个专注于大语言模型高效微调的开源项目，其官方文档中新增了一份「训练自己的决策模型」指南，并配套提供了免费的 Colab Notebook。根据官方说明，用户可以用 Qwen3.5-4B 这一体量较小的模型，在仅需 8GB 显存的条件下于本地训练出一个「决策模型」——它输出的不是一段自然语言文本，而是明确的决策结果。整个流程被拆解为学习数据准备（状态、问题、标准答案）、模型训练与部署三个环节，官方同时给出了 Notebook 与文档两条入口，方便开发者按步骤复现。对于想在本地跑通小模型微调、又不想被显卡门槛劝退的人来说，这份资料把原本零散的训练经验整理成了可跟随的路径。
痛点是什么
过去想让模型替自己做判断，多数人只能把问题丢给通用大模型，再靠提示词约束输出格式，结果常常是回答漂亮却难以直接使用，还要反复解析文本。想自己训练一个专门做决策的小模型，又会卡在显存不够、数据格式不清楚、训练脚本跑不起来这些环节上。对个人开发者和中小团队而言，缺少一份从数据准备到部署的完整示范，往往在环境配置阶段就放弃了，更别说把模型真正落到业务判断场景里。
主要功能特点
这份指南围绕「让模型输出决策而非文本」这一目标，把训练链路中的关键步骤都做了说明，并给出可直接运行的 Notebook，降低了上手门槛。
免费 Notebook 一键起步
官方提供 Colab Notebook，无需本地配置环境即可开始训练。
8GB 显存本地可跑
Qwen3.5-4B 在 8GB 显存下即可完成训练，硬件门槛较低。
决策式输出而非文本
模型直接生成决策结果，省去解析自然语言的中间环节。
数据到部署全流程
覆盖状态、问题、标准答案的数据准备与训练、部署环节。
为什么值得关注
它把「小模型 + 本地训练 + 决策输出」这条路线讲清楚了，对预算有限又想掌握模型自主权的开发者来说，是一份可以照着做的实操资料。
显存门槛被明显拉低
8GB 显存即可训练，普通消费级显卡也能参与。
决策模型思路可复用
状态、问题、标准答案的数据组织方式可迁移到多种判断场景。
项目文档与 Notebook 均可在 Unsloth 官方指南 中查看。
推荐信息
Hugging Models
@HuggingModels 2026年10月11日 20:25