qwen2.5-3B

Day 21 — Fine-tuning LLMs · Course Materials

AICB-P2T3 · Chương 5 — Fine-tuning & An Toàn
"Khi nào nên fine-tune — và khi nào prompt engineering đủ rồi?"
Giảng viên: Nguyễn Khánh Linh · VinUniversity

---

📦 Cái gì có trong gói này

Đây là gói tài liệu hoàn chỉnh cho Ngày 21 của khóa AICB Phase 2 Track 3 — bài học về fine-tuning LLMs với LoRA/QLoRA.

Day21_Fine-tuning/
├── 📊 Slides (LaTeX/Beamer)
│   └── day06-fine-tuning-llms-tu-full-fine-tune-en-loraqlora.tex   ← source slides
│
├── 💻 Notebooks (Google Colab)
│   └── Lab21_LoRA_Finetuning_T4.ipynb       ← cho Free Colab T4 (Qwen2.5-3B)
│
├── 📋 Tài liệu học viên
│   └── Lab21_Rubric_and_Format.md           ← rubric + submission format
│
└── 📖 README.md                              ← file này

---

🚀 Quick Start

Cho Giảng viên:

1. Compile slides: xelatex day06-fine-tuning-llms-tu-full-fine-tune-en-loraqlora.tex (chạy 2 lần để correct page count)
2. Đọc qua Day21_Speaker_Notes_Vietnamese.md để chuẩn bị bài giảng
3. Test notebook trên GPU bạn có (recommend A100/L4 để demo nhanh)
4. In Lab21_Rubric_and_Format.md phát cho học viên

Cho Học viên:

1. Đọc Lab21_Rubric_and_Format.md để biết deliverable + scoring
2. Chọn notebook phù hợp với GPU:
   • Free Colab (T4 16GB) → Lab21_LoRA_Finetuning_T4.ipynb
   • Pro/A100/L4 → Lab21_LoRA_Finetuning_BigGPU.ipynb
3. Upload notebook lên Colab → Runtime > Change runtime type > GPU → Run all
4. Hoàn thành lab + viết REPORT.md theo template
5. Nộp zip qua LMS

---

📚 Nội dung chính của bài học

Section 1 — Khi nào cần Fine-tune?

• Bối cảnh 2025–2026: frontier models đủ tốt cho 80%+ tasks
• Pipeline ưu tiên: Prompt Engineering → RAG → Fine-tune (theo thứ tự)
• Quy tắc vàng: Fine-tune KHÔNG fix knowledge gaps — RAG cho knowledge, fine-tune cho style/format
• Decision tree: gap > 15% và volume > 50k req/day → fine-tune ROI dương
• API Fine-tuning vs Self-hosted: trade-off giữa control, cost, và privacy

Section 2 — LoRA: Cơ chế hoạt động

• Ý tưởng cốt lõi: freeze base weights, inject low-rank update $\Delta W = B \cdot A$
• Math: $h = W_0 x + B A x$, rank $r \ll \min(d, k)$
• Analogy: như dán sticky notes vào sách — không sửa sách gốc, chỉ thêm chú thích
• Zero added latency: merge adapter vào base weights khi deploy
• Rank trade-off:
  • r = 8 → 0.05% params, train nhanh
  • r = 16 → standard choice, balance tốt
  • r = 64 → near full fine-tune, tốn VRAM hơn
• Best practice 2025: target ALL layers (q/k/v/o + gate/up/down) thay vì chỉ q+v

Section 3 — QLoRA: Fine-tune trên GPU nhỏ

• Innovation: quantize base xuống 4-bit NF4 + bf16 LoRA adapters
• Paged AdamW: optimizer offload sang CPU RAM khi GPU OOM
• Double quantization: quantize cả quantization constants
• Cost comparison:
  • Full FT: ~60 GB VRAM, A100 80GB, $$$$
  • LoRA fp16: ~28 GB, A100 40GB, $$
  • QLoRA 4-bit: ~10 GB, RTX 3090 24GB, $$
• Multi-tenant serving: 1 base + N adapters trên cùng GPU

Section 4 — Training Pipeline & Infrastructure

• Dataset prep: Quality > Quantity (500 perfect > 10k noisy)
• Token length analysis: set max_seq_length = p95 của dataset
• VRAM math: $V_{tot} = V_{model} + V_{optim} + V_{act} + V_{grad}$
• Gradient checkpointing: -60% VRAM, +20% time
• FlashAttention:
  • IO-aware exact attention với tiling + recomputation
  • 2-4× speedup, O(N) memory thay vì O(N²)
  • Yêu cầu Ampere+ (A100, RTX 30xx+)
• Effective batch size: $\text{batch} \times \text{grad_accum}$, target 16-64
• OOM debugging order: max_seq_length → gradient checkpoint → rank → batch size

Section 5 — Hands-on Demo

• Live demo: fine-tune Qwen2.5-7B trên Vietnamese domain dataset (~25 phút trên A100)
• LoRA adapter swap demo cho multi-tenant serving
• GGUF merge + llama.cpp deployment

Lab 21 — Rank Experiment (2 giờ)

• Chuẩn bị 100-500 examples Alpaca format
• Train 3 LoRA adapters với r=8, r=16, r=64
• So sánh 4 chiều: training time, VRAM, perplexity, qualitative output
• Học hands-on về rank selection trade-off

---

🛠️ Stack công nghệ

Base models:

• unsloth/Qwen2.5-7B-bnb-4bit (BigGPU notebook)
• unsloth/Qwen2.5-3B-bnb-4bit (T4 notebook)

Reference dataset: 5CD-AI/Vietnamese-alpaca-gpt4-gg-translated (300 samples từ subset)

---

🎯 Kỹ năng học viên đạt được

Sau Day 21, học viên có thể:

✅ Hiểu khi nào nên fine-tune và khi nào không nên
✅ Giải thích cơ chế LoRA + QLoRA bằng math + intuition
✅ Train một LoRA adapter từ đầu đến cuối với production-grade tools
✅ So sánh và chọn rank dựa trên trade-off (time / memory / quality)
✅ Đánh giá fine-tuned model bằng perplexity + qualitative methods
✅ Document và defend kết quả qua technical report

---

⚠️ Common Pitfalls — Tham khảo nhanh

Notebook đã handle các issues sau, nhưng học viên/giảng viên nên biết để debug:

Chi tiết full troubleshooting trong Lab21_Rubric_and_Format.md.

---

📈 Bài học kế tiếp

---

📞 Hỗ trợ

• Câu hỏi về slides / demo: liên hệ giảng viên trên LMS
• Câu hỏi về lab: post lên Slack channel #lab21-help
• Bug trong notebook: báo cáo trên course repo (issues)

---

📜 License & Credits

• Slides + speaker notes: © 2026 VinUniversity AICB Program
• Notebooks: dựa trên Unsloth examples, modified cho khóa học AICB
• Theme: VinUni Beamer template (xem theme/ directory)
• Reference papers:
  • LoRA — Hu et al. 2021 (https://arxiv.org/abs/2106.09685)
  • QLoRA — Dettmers et al. 2023 (https://arxiv.org/abs/2305.14314)
  • FlashAttention — Dao et al. 2022 (https://arxiv.org/abs/2205.14135)

---

🎓 Lưu ý cho học viên: Lab này là một trong những hands-on quan trọng nhất của khóa. Đầu tư thời gian làm cẩn thận — kỹ năng fine-tuning LLM là một trong những skills value nhất 2025-2026 trên thị trường AI.

---

Last updated: 2026-05