LlamaFactory 通过继承 transformers 的 Seq2SeqTrainingArguments 来获得完整的训练参数，无需单独定义。因此，你可以直接在 YAML 配置文件中添加 save_total_limit 参数，它会自动被识别和使用。

具体使用方式

在 YAML 配置文件中设置如下参数：

yaml
展开代码
save_steps: 500
save_strategy: steps
save_total_limit: 3  # 最多只保留最近的3个检查点

参数说明

参数	说明
save_total_limit	设置保留的检查点文件的最大数量。旧的检查点会被自动删除。
save_steps	每隔多少步训练保存一次检查点。
save_strategy	检查点的保存策略。可选 "steps" (按步数保存)、"epoch" (按轮次保存) 或 "no" (不保存)。
save_only_model	如果为 True，则只保存模型权重，不保存优化器状态，以节省空间。
load_best_model_at_end	如果为 True，训练结束时自动加载效果最佳的模型。开启后，最佳模型不会被 save_total_limit 删除。

工作流程

1. 你的配置文件会由 HfArgumentParser 进行解析。
2. 参数会传递给继承自 transformers.TrainingArguments 的 TrainingArguments 类。
3. Trainer 在训练过程中将根据这些设置自动管理检查点的保存和删除。

注意事项

• 当同时启用 load_best_model_at_end 时，最佳的模型检查点会被额外保留，不计入 save_total_limit 的限制。
• 建议将 save_strategy 设置为 "steps" 以配合 save_steps 使用，实现定期的检查点保存。