# The NeurIPS 2023 LLM Efficiency Challenge Starter Guide

- 发布方：Sebastian Raschka, PhD（个人博客）；作者：Sebastian Raschka
- 形式：实践教程 · en
- 原始资源：[https://sebastianraschka.com/blog/2023/neurips2023-starter-guide.html](<https://sebastianraschka.com/blog/2023/neurips2023-starter-guide.html>)
- 本站页面：[https://oplearnx.com/resources/res\_yvk5dc4ec9kk](<https://oplearnx.com/resources/res_yvk5dc4ec9kk>)
- 学习主题：人工智能 / 大语言模型 LLM / 微调与对齐；人工智能 / 大语言模型 LLM / 推理与部署；人工智能 / 大语言模型 LLM / 微调与对齐 / 指令微调
- 内容状态：状态待核验
- 原始发布时间：2023-08-10 16:00
- 本站首次收录：2026-10-26 00:12

## 能学到什么

能按教程搭建 LLM 高效微调的项目环境、安装 Lit-GPT 与依赖，并了解该挑战赛的规则与 Lit-GPT 起始工具包。

- 说明 NeurIPS 2023 效率挑战赛的规则：单卡 24 小时、允许的 GPU 与模型范围
- 区分 A100 与 RTX 4090 两个赛道及各自排行榜的由来
- 用 conda 创建并激活项目虚拟环境，并用 tmux 保持远程会话
- 克隆 Lit-GPT 并安装其依赖（含 PyTorch 版本的安装方式）
- 说出 Lit-GPT 支持的部分参赛模型，如 Llama 2、Falcon 等
- 复述第 2 节的内容：参与者提交训练与评测代码，评测为 Stanford HELM 的子集，仅限英文文本与 2048 token 以内上下文

## 适合我吗

- 适合：想上手 LLM 高效微调、熟悉 PyTorch 与命令行，并希望照着步骤准备一次竞赛提交的学习者。
- 需要留意：只想了解 LLM 原理、不打算动手微调，或没有可用的 NVIDIA GPU 的学习者。

## 前置条件与费用

- 知识前置：需要基本 Python 与命令行能力，了解虚拟环境、git 与 PyTorch 训练流程。
- 软件、账号与硬件：一块文中列出允许的 NVIDIA GPU（A100 40GB 或 RTX 4090 24GB）；文中示例安装步骤以 Linux 安装脚本为例，其他系统未说明；能下载较大的模型权重。
- 内容费用：免费：节选可直接读到教程正文与操作步骤，未见付费墙或登录拦截说明。
- 实践费用：实践可能产生费用：跟做需要 A100 或 RTX 4090 GPU 机器；网页未说明费用来源，自备硬件或云 GPU 可能产生费用。
- 转载与修改：按材料分别核对，见本页“来源核验与开课实跑”；仓库许可不自动适用于教材或视频。

## 准备工具

- [Miniforge / Miniconda](<https://github.com/conda-forge/miniforge>)：创建隔离的 Python 3.10 环境
- Git：克隆 Lit-GPT 仓库
- [PyTorch](<https://pytorch.org/>)：按官网安装菜单安装 Lit-GPT 所需版本
- [Lit-GPT](<https://github.com/Lightning-AI/lit-gpt>)：挑战赛官方选用的起始代码库
- [tmux](<https://github.com/tmux/tmux/wiki>)：在远程机器上保持并恢复终端会话

## 学习指南

开课检查：提示词由本站整理，尚未按提示词实际完成开课检查。

### 开课提示词（Windows）

```text
请帮我把「The NeurIPS 2023 LLM Efficiency Challenge Starter Guide」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://sebastianraschka.com/blog/2023/neurips2023-starter-guide.html
我的系统：Windows。如果实际不符，先调整方案。
本次路线：Windows：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：按博客后续章节用 Lit-GPT 在单卡上做高效微调实验；节选未覆盖的模型准备与提交步骤请对照原页面与官方挑战赛指南。
课节（官方顺序）：
1. The NeurIPS 2023 LLM Efficiency Challenge Starter Guide：https://sebastianraschka.com/blog/2023/neurips2023-starter-guide.html

1. 环境
- 文中允许的 NVIDIA A100 40GB 或 RTX 4090 24GB（文中指出两者不可直接比较，分设两个赛道）
- Python 3.10（conda 环境）
- PyTorch（按官网安装菜单，文中说明需 nightly 版）
- Lit-GPT 仓库及 requirements.txt 依赖
- tmux（远程工作时使用，可选）
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://sebastianraschka.com/blog/2023/neurips2023-starter-guide.html
3. 目录（最外层放在我确认的位置）
neurips-2023-llm-efficiency-guide/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.ps1     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    └── 01-01-the-neurips-2023-llm-efficiency/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.ps1，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。将下面检查转换为 PowerShell 命令，不使用 Bash 语法。
  - conda env list  → 列表中包含 neurips2023-1 环境
  - python -c "import torch; print(torch.__version__)"  → 打印 PyTorch 版本号
  - ls lit-gpt  → 能看到 requirements.txt 等仓库文件
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 开课提示词（macOS）

```text
请帮我把「The NeurIPS 2023 LLM Efficiency Challenge Starter Guide」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://sebastianraschka.com/blog/2023/neurips2023-starter-guide.html
我的系统：macOS。如果实际不符，先调整方案。
本次路线：macOS：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：按博客后续章节用 Lit-GPT 在单卡上做高效微调实验；节选未覆盖的模型准备与提交步骤请对照原页面与官方挑战赛指南。
课节（官方顺序）：
1. The NeurIPS 2023 LLM Efficiency Challenge Starter Guide：https://sebastianraschka.com/blog/2023/neurips2023-starter-guide.html

1. 环境
- 文中允许的 NVIDIA A100 40GB 或 RTX 4090 24GB（文中指出两者不可直接比较，分设两个赛道）
- Python 3.10（conda 环境）
- PyTorch（按官网安装菜单，文中说明需 nightly 版）
- Lit-GPT 仓库及 requirements.txt 依赖
- tmux（远程工作时使用，可选）
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://sebastianraschka.com/blog/2023/neurips2023-starter-guide.html
3. 目录（最外层放在我确认的位置）
neurips-2023-llm-efficiency-guide/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    └── 01-01-the-neurips-2023-llm-efficiency/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - conda env list  → 列表中包含 neurips2023-1 环境
  - python -c "import torch; print(torch.__version__)"  → 打印 PyTorch 版本号
  - ls lit-gpt  → 能看到 requirements.txt 等仓库文件
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 开课提示词（Linux）

```text
请帮我把「The NeurIPS 2023 LLM Efficiency Challenge Starter Guide」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://sebastianraschka.com/blog/2023/neurips2023-starter-guide.html
我的系统：Linux。如果实际不符，先调整方案。
本次路线：Linux：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：按博客后续章节用 Lit-GPT 在单卡上做高效微调实验；节选未覆盖的模型准备与提交步骤请对照原页面与官方挑战赛指南。
课节（官方顺序）：
1. The NeurIPS 2023 LLM Efficiency Challenge Starter Guide：https://sebastianraschka.com/blog/2023/neurips2023-starter-guide.html

1. 环境
- 文中允许的 NVIDIA A100 40GB 或 RTX 4090 24GB（文中指出两者不可直接比较，分设两个赛道）
- Python 3.10（conda 环境）
- PyTorch（按官网安装菜单，文中说明需 nightly 版）
- Lit-GPT 仓库及 requirements.txt 依赖
- tmux（远程工作时使用，可选）
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://sebastianraschka.com/blog/2023/neurips2023-starter-guide.html
3. 目录（最外层放在我确认的位置）
neurips-2023-llm-efficiency-guide/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    └── 01-01-the-neurips-2023-llm-efficiency/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - conda env list  → 列表中包含 neurips2023-1 环境
  - python -c "import torch; print(torch.__version__)"  → 打印 PyTorch 版本号
  - ls lit-gpt  → 能看到 requirements.txt 等仓库文件
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 每课提示词

```text
继续学习「The NeurIPS 2023 LLM Efficiency Challenge Starter Guide」。课程目录是 neurips-2023-llm-efficiency-guide/（不知道完整路径就先问我）。
1. 读 progress.md，找到下一课；如果我指定了第几课，就准备那一课。
2. 打开这一课的官方页面和本地讲义，列出本课练习要用的工具、文件和样例数据。缺少的先告诉我，等我同意再安装或下载。
3. 在 lessons/ 对应的课节文件夹里准备好练习：exercises/ 里给每道题建一个文件，写上题号和题目原文链接，不写答案；已有文件保留，样例数据放到 data/。拿不到官方题目或起始代码时记录限制，不编造替代品。
4. 按 README 运行开课时生成的自检脚本或在线检查清单，并检查本课新增工具能否正常使用。
5. 告诉我：本课先读哪几节、从哪道练习开始、大约需要多久。我学完后，帮我在 progress.md 勾选并把问题整理到 questions.md。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
```

### 课节（官方顺序）

1. [The NeurIPS 2023 LLM Efficiency Challenge Starter Guide](<https://sebastianraschka.com/blog/2023/neurips2023-starter-guide.html>)

## 指南参考

- [课程主页](<https://sebastianraschka.com/blog/2023/neurips2023-starter-guide.html>)

## 来源、许可与验证记录

- **开课提示词未完整验证，需要自备账号或资源**：A100 40GB 或 RTX 4090 24GB（文中列出的允许 GPU）；conda（miniconda 或 miniforge）、git、tmux、PyTorch（nightly 版）、Lit-GPT 仓库
- **内容提示**：内容时效：网页标注 2023 年 8 月 10 日发布，围绕 NeurIPS 2023 竞赛展开，正文多处写明规则以“as of this writing”为准，并有更新说明 Alpaca-Libre 已被竞赛禁用，文中数据集与模型清单仅代表当时状态。
- 转载与修改 · 课程页面与材料：未找到明确许可。节选未提及文章或代码的许可声明；文中仅提到 Lit-GPT 为开源 GitHub 仓库，未给出许可名 [依据](<https://sebastianraschka.com/blog/2023/neurips2023-starter-guide.html>)
- 链接检查：1/1 个可以访问

## 来源与推荐

- 编辑整理收录

---
来源：LearnMap · 学径（https://oplearnx.com）