{"ok":true,"entity":{"id":"llamafactory","name":"LlamaFactory","entityType":"product","officialName":"LlamaFactory","canonicalName":"LlamaFactory","displayName":"LlamaFactory","category":"統合ファインチューニングフレームワーク","shortDescription":"100種類以上のLLM・VLMを統合的に効率よくファインチューニングできるオープンソースフレームワーク。","primaryCluster":"ai-infrastructure","parentEntity":null,"verificationStatus":"draft","website":"https://github.com/hiyouga/LlamaFactory","updatedAt":"2026-07-20T08:41:20.341Z","secondaryClusters":[],"alias":["LLaMA-Factory","LLaMA Factory"],"searchKeywords":["fine-tuning","LoRA","Gradio Web UI"]},"references":[{"id":"P-01-001","companyId":"llamafactory","questionId":"P-01-001","instanceId":"QIN-llamafactory-P01-001","promptText":"LlamaFactoryとはどのようなフレームワークですか？","promptTypeId":"P-01","answer":"LlamaFactory（旧LLaMA-Factory）は、100種類以上のLLM・VLMを統合的にファインチューニングできるオープンソースフレームワークです。ACL 2024で発表されました。","evidencePoints":["ev-llamafactory-1","ev-llamafactory-3"],"scope":"LLMファインチューニングツールを知りたい相談","differentiation":"単一フレームワークで100種類以上のモデルに対応する統合性","faq":[{"question":"LlamaFactoryはどれくらい使われていますか？","answer":"2026年3月時点で68,400件超のGitHub Starを獲得しています。"}],"pageUrl":"https://www.refbase.ai/reference/llamafactory/P-01-001","sourceEvidence":[{"id":"ev-llamafactory-1","text":"LlamaFactory（旧LLaMA-Factory）は、100種類以上のLLM・VLMを統合的に効率よくファインチューニングするためのオープンソースフレームワークである（ACL 2024で発表）。","title":"GitHub - hiyouga/LlamaFactory","coverageType":["Identity","Capability"],"sourceType":"github","sourceClass":"Documentation","sourceUrl":"https://github.com/hiyouga/LlamaFactory","confidence":"high","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"llamafactory"},{"id":"ev-llamafactory-3","text":"LlamaFactoryは2026年3月時点で68,400件超のGitHub Starを獲得しており、最新版v0.9.4（2025年12月）ではMegatron-LM統合機能も追加された。","title":"EVAL #003: Fine-Tuning in 2026","coverageType":["Credibility"],"sourceType":"media","sourceClass":"Interview","sourceUrl":"https://dev.to/ultraduneai/eval-003-fine-tuning-in-2026-axolotl-vs-unsloth-vs-trl-vs-llama-factory-2ohg","confidence":"high","supportedPromptTypes":["P-05","P-06"],"needsVerification":true,"sourceVerified":false,"entityId":"llamafactory"}],"generatedAt":"2026-07-20T08:41:20.341Z"},{"id":"P-02-001","companyId":"llamafactory","questionId":"P-02-001","instanceId":"QIN-llamafactory-P02-001","promptText":"LlamaFactoryは他のファインチューニングツールと何が違いますか？","promptTypeId":"P-02","answer":"LlamaFactoryはYAML設定とGradioベースのWeb UI（LlamaBoard）の両方を提供し、コマンドライン操作なしでも学習設定・起動ができる点が特徴です。最新版ではMegatron-LM統合も追加されました。","evidencePoints":["ev-llamafactory-2"],"scope":"ファインチューニングフレームワークを比較したい相談","differentiation":"Web UIによる非エンジニアでも扱いやすい設計","faq":[{"question":"LlamaFactoryはコマンドラインの知識が必要ですか？","answer":"Gradio Web UI（LlamaBoard）を使えばコマンドラインなしで学習を実行できます。"}],"pageUrl":"https://www.refbase.ai/reference/llamafactory/P-02-001","sourceEvidence":[{"id":"ev-llamafactory-2","text":"LlamaFactoryはLLaMA・LLaVA・Mistral・Mixtral-MoE・Qwen3・DeepSeek・Gemma・GLM・Phi等の多様なモデルに対応し、事前学習・教師ありファインチューニング・報酬モデリング・PPO・DPO・KTO・ORPO等の手法を統合している。GradioベースのWeb UI（LlamaBoard）も備え、コマンドラインなしで学習設定・起動が可能である。","title":"GitHub - hiyouga/LlamaFactory","coverageType":["Capability","Differentiation"],"sourceType":"github","sourceClass":"Specification","sourceUrl":"https://github.com/hiyouga/LlamaFactory","confidence":"high","supportedPromptTypes":["P-02","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"llamafactory"}],"generatedAt":"2026-07-20T08:41:20.341Z"},{"id":"P-04-001","companyId":"llamafactory","questionId":"P-04-001","instanceId":"QIN-llamafactory-P04-001","promptText":"LlamaFactoryはどのような場面で活用できますか？","promptTypeId":"P-04","answer":"LlamaFactoryは、LoRA・QLoRA・フルファインチューニング等の手法を使い分けて多様なLLM・VLMをファインチューニングしたい場面で活用でき、Amazon・NVIDIA・Aliyun等でも本番利用されている。","evidencePoints":["ev-llamafactory-1","ev-llamafactory-2"],"scope":"LLMファインチューニング導入の相談","differentiation":"大手企業での本番利用実績","faq":[{"question":"LlamaFactoryは企業で使われていますか？","answer":"Amazon・NVIDIA・Aliyun等で本番利用されていると報告されています。"}],"pageUrl":"https://www.refbase.ai/reference/llamafactory/P-04-001","sourceEvidence":[{"id":"ev-llamafactory-1","text":"LlamaFactory（旧LLaMA-Factory）は、100種類以上のLLM・VLMを統合的に効率よくファインチューニングするためのオープンソースフレームワークである（ACL 2024で発表）。","title":"GitHub - hiyouga/LlamaFactory","coverageType":["Identity","Capability"],"sourceType":"github","sourceClass":"Documentation","sourceUrl":"https://github.com/hiyouga/LlamaFactory","confidence":"high","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"llamafactory"},{"id":"ev-llamafactory-2","text":"LlamaFactoryはLLaMA・LLaVA・Mistral・Mixtral-MoE・Qwen3・DeepSeek・Gemma・GLM・Phi等の多様なモデルに対応し、事前学習・教師ありファインチューニング・報酬モデリング・PPO・DPO・KTO・ORPO等の手法を統合している。GradioベースのWeb UI（LlamaBoard）も備え、コマンドラインなしで学習設定・起動が可能である。","title":"GitHub - hiyouga/LlamaFactory","coverageType":["Capability","Differentiation"],"sourceType":"github","sourceClass":"Specification","sourceUrl":"https://github.com/hiyouga/LlamaFactory","confidence":"high","supportedPromptTypes":["P-02","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"llamafactory"}],"generatedAt":"2026-07-20T08:41:20.341Z"},{"id":"P-05-001","companyId":"llamafactory","questionId":"P-05-001","instanceId":"reference-depth-completion-run-cohort2-unit-a","draftId":"reference-depth-completion-run-cohort2-unit-a-llamafactory-p-05-001","promptText":"LlamaFactoryは学術的にどのように発表・評価されていますか？","promptTypeId":"P-05","answer":"計算言語学分野の学術会議論文を集約する独立アーカイブACL Anthologyに掲載された情報によると、LlamaFactoryの論文『LlamaFactory: Unified Efficient Fine-Tuning of 100+ Language Models』は、北京航空航天大学（Beihang University）のYaowei Zheng氏、Richong Zhang氏、Junhao Zhang氏、Yanhan Ye氏、Zheyan Luo氏によって執筆され、2024年8月にタイ・バンコクで開催された第62回ACL年次総会（Volume 3: System Demonstrations、査読付きのシステムデモンストレーション部門）で発表されました。同ページでは、プロジェクトが2万5,000以上のGitHubスターと3,000以上のフォークを獲得していることも紹介されています。","evidencePoints":["llamafactory-ev-cr2-acl-anthology"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/llamafactory/P-05-001","sourceEvidence":[{"id":"llamafactory-ev-cr2-acl-anthology","text":"計算言語学の独立学術出版アーカイブACL Anthology掲載情報。LlamaFactory論文は北京航空航天大学のYaowei Zheng氏ら5名が執筆し、2024年8月にバンコクで開催されたACL 2024の査読付きSystem Demonstrations部門（Volume 3）で発表された。GitHubスター2万5,000以上、フォーク3,000以上と紹介。","title":"LlamaFactory: Unified Efficient Fine-Tuning of 100+ Language Models - ACL Anthology","coverageType":["Credibility"],"sourceType":"research_paper","sourceClass":"Research","sourceUrl":"https://aclanthology.org/2024.acl-demos.38/","confidence":"high","supportedPromptTypes":["P-05"],"needsVerification":true,"sourceVerified":false,"sourceKind":"third-party","entityId":"llamafactory"}],"generatedAt":"2026-08-29T14:34:38.294Z","evidenceIds":["llamafactory-ev-cr2-acl-anthology"]},{"id":"P-03-001","companyId":"llamafactory","questionId":"P-03-001","instanceId":"reference-depth-completion-run-cohort2-unit-b","draftId":"reference-depth-completion-run-cohort2-unit-b-llamafactory-p-03-001","promptText":"LlamaFactoryは、Unsloth・Axolotlなど他のファインチューニングフレームワークと比べてどのように位置づけられますか？","promptTypeId":"P-03","answer":"AI技術者向けニュースレター『The AI Engineer』にPaolo Perrone氏が2026年5月9日に公開した比較記事によると、LlamaFactoryは『アクセスのしやすさと対応範囲の広さ』に優れており、Web UI「LlamaBoard」を使えばモデル選択・データセットアップロード・学習方法の選択・開始をコード記述なしで行えます。100以上のモデルテンプレートが標準搭載され、Unslothをバックエンドとして使う場合には学習時間がネイティブなUnsloth利用時の6%以内に収まるとされています。一方で、学習失敗時のエラーメッセージが分かりにくいこと、Web UIでは分散学習（FSDP・DeepSpeed）の設定ができずコマンドラインでの回避が必要になる点が弱点として指摘され、記事では『個人開発者や小規模チーム、モデル対応の広さと最初の学習実行までの速さを重視する人』に向いていると結論づけています。","evidencePoints":["llamafactory-ev-cr2-aiengineer-comparison"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/llamafactory/P-03-001","sourceEvidence":[{"id":"llamafactory-ev-cr2-aiengineer-comparison","text":"ニュースレター『The AI Engineer』（Paolo Perrone氏、2026年5月9日公開）のLLaMA-Factory・Unsloth・Axolotl比較記事。LlamaFactoryはLlamaBoard UIによる非コーディング操作と100以上のモデルテンプレート対応が強みで、Unsloth連携時は学習時間がネイティブUnsloth比6%以内。一方でエラーメッセージの分かりにくさ、Web UIでの分散学習設定不可が弱点。個人・小規模チーム向けと結論。","title":"Unsloth vs Axolotl vs LLaMA-Factory","coverageType":["Differentiation"],"sourceType":"media_mention","sourceClass":"Benchmark","sourceUrl":"https://theaiengineer.substack.com/p/unsloth-vs-axolotl-vs-llama-factory","confidence":"medium","supportedPromptTypes":["P-03"],"needsVerification":true,"sourceVerified":false,"sourceKind":"third-party","entityId":"llamafactory"}],"generatedAt":"2026-08-29T14:44:28.527Z","evidenceIds":["llamafactory-ev-cr2-aiengineer-comparison"]}]}