LLaMA-Factory 是一个开源的大模型微调与训练框架，主要面向需要把通用大模型改造成特定领域模型的开发者、研究人员和中小团队。它的核心能力是把原本零散、繁琐的训练流程统一起来：从数据准备、模型加载，到指令微调、继续预训练、奖励模型训练和偏好对齐，都能在同一套配置体系下完成。用户无需为每个模型重写训练脚本，通过命令行或网页界面即可启动任务，并支持 LoRA、QLoRA 等参数高效微调方式，在有限显存下也能跑通训练。典型使用场景包括：让模型学会垂直行业的问答与术语，比如医疗、法律、金融客服；为特定业务定制写作、摘要、信息抽取能力；以及做学术实验时快速对比不同模型和训练策略的效果。它适合有一定机器学习基础、希望自己掌控训练过程而非只调用 API 的人。相比同类工具，它的差异在于模型覆盖面广，对国内外主流开源模型和多种训练范式兼容较好，配置集中、上手门槛相对低，同时保持开源可自部署，方便在本地或私有服务器上完成数据不出域的微调。