最近在微调qwen-2.5-3B模型时遇到一些问题，后续会陆续总结到这篇文章中。

分词器和模型是基础工具，必须匹配；对话构建和模板化是“翻译”过程，确保模型理解输入；生成和解码是“输出”过程，控制回复的质量和格式。理解这套流程后，你可以更灵活地调试模型行为（如通过调整控制回复风格，或通过系统提示约束输出格式），让LLM更好地为特定场景服务。

基础准备：AutoDL容器创建→系统源更新；ROS安装：添加源→安装核心包→初始化rosdep→配置环境变量；工作空间：创建目录→初始化编译→配置环境变量；功能包配置：下载→编译→验证识别；功能验证：启动节点→测试通信。掌握这个流程后，你不仅能搭建ROS基础环境，还能灵活配置任意ROS功能包（如EGO-Planner、MoveBase等）。后续可尝试在工作空间中添加更多功能包，逐步构建完整的机器人

✅ 快速搭建 OpenCompass 评估环境✅ 解决 PyTorch 与 Transformers 版本冲突✅ 成功运行大语言模型评估任务✅ 掌握环境问题排查方法当遇到错误时，降级 Transformers 到 4.41.0 版本是最直接的解决方案。这种版本冲突问题在 AI 工具链中很常见，掌握环境配置和问题排查技能对于顺利进行模型评估至关重要。

最近在微调qwen-2.5-3B模型时遇到一些问题，后续会陆续总结到这篇文章中。

通过本文的介绍，你应该已经掌握了如何清理 AutoDL 实例中.Trash-0内的文件。记住，定期清理和良好的文件管理习惯是避免磁盘空间问题的关键。如果你在操作过程中遇到任何问题，欢迎在评论区留言讨论。