表里 template 写 `-` 的四个模型：base 与 instruct 的取值规则
本文所有事实以
hiyouga/LlamaFactory官方仓库 2026-08-09 的内容为准。我们没有安装、训练或部署过任何模型，文中数字与取值均为仓库文档和源码里写着的值。
LlamaFactory 的 README 里有一张支持模型表，三列：Model、Model size、Template。绝大多数行的 Template 列写的是一个具体取值，比如 llama3、qwen3_vl、deepseekr1。但有四行写的是一个横杠 -。第一次读表的人很容易把它理解成「这个模型还没适配 template」，然后要么绕开这几个模型，要么去 issue 里搜有没有人提过。这两件事都不用做——横杠对应的是表下注解里的一条明确规则。
这篇只讲这一条规则，以及围绕它最容易读错的两三处地方。整张 53 行的模型表怎么读，我们另有一篇专门讲，这里只把跟横杠直接相关的那几行拎出来。
先看是哪四行
按 README 表格原文，Template 列写 - 的一共 4 行：
| Model | Model size | Template |
|---|---|---|
| BLOOM/BLOOMZ | 560M/1.1B/1.7B/3B/7.1B/176B | - |
| GPT-2 | 0.1B/0.4B/0.8B/1.5B | - |
| Llama | 7B/13B/33B/65B | - |
| StarCoder 2 | 3B/7B/15B | - |
之所以要把这四行单独列出来，是因为它们的共同点不在参数量、不在厂商、也不在发布年份——BLOOM 最大到 176B，GPT-2 最小只有 0.1B，两头差了三个数量级；Llama 是初代那一档（注意不是 Llama 2 / Llama 3-3.3 / Llama 4，那三行在表里各自有 llama2、llama3、llama4）。它们的共同点是这一列的取值规则跟别的行不一样。
注解原文里的那条规则
README 在这张表下面给了 6 条注解，其中第一条就是解释横杠的。原文的意思是：对 “base” 模型，template 参数可以从 default、alpaca、vicuna 等里面选；但对 “instruct/chat” 模型，务必使用对应的 template。
把这条规则和表对齐，横杠的含义就清楚了：它不是「缺失」，是「这一格没有唯一答案」。表里其它行都在这一格填了具体名字，按注解的说法，只要你用的是 instruct/chat 版本，就务必使用对应的那个；而横杠这四行按注解归到 base 一侧，template 从 default / alpaca / vicuna 这类通用取值里挑，于是这一格就变成了一道要你自己做的选择题。注解说到这里就停了——至于这四行为什么是横杠、别的行为什么不是，README 没有给解释，我们也不替它补。
这条规则的两半是不对称的，读的时候别只记住一半：
- base 这一半是可选，README 给的是
default/alpaca/vicuna等——注意有个「等」字，说明它没打算把候选列全； - instruct/chat 这一半是必须，README 用的是「务必使用对应的」这种措辞，没有留选择空间。
也就是说，横杠出现在表里，本身就是一个信号：你在这一行上要自己做决定，而在其它行上不需要。
为什么这里不给「推荐值」
到这一步，最想问的问题一定是：那这四个模型到底该选 default 还是 alpaca 还是 vicuna？
README 没有给答案。它只列了候选，没有给「什么数据用哪个」的对应关系，也没有给默认推荐。我们没有装过、没有训练过，同样给不出来。所以这里只能如实说：该选哪一个取决于你的数据格式和下游用法，官方没给通用值。
这不是敷衍。这一列的性质决定了它不可能有通用值——横杠意味着模型侧不做约束，那么约束就只能来自你自己那份数据长什么样、你训完之后打算怎么把 prompt 拼给它。任何一篇文章拍胸脯告诉你「base 模型一律选某某」，都是在替你的数据做假设。
横杠和名字就叫 empty 的 template 不是一回事
这是本篇里最容易混的一处，单独说。
表里 MiniCPM 4/5 那一行的 Template 列写的是 cpm4/empty——也就是说，这一系列里有一档的 template 名字就叫 empty。
empty 是一个真实存在的取值，你要在配置里写 template: empty；横杠 - 是表格里的一个占位符，你不能在配置里写 template: -。两者在表里长得有点像（都传达「没有专属格式」的意味），但一个是要照抄进 YAML 的字符串，另一个是排版记号，写混了配置直接就不对。
顺带说一句同样容易混进来的第三样东西：_nothink 后缀。它在整张表里出现在 3 处——ernie_nothink、qwen3_nothink、qwen3_5_nothink。按注解的说法，那是用来区分同一个模型的推理版与非推理版的，跟 base / instruct 这一轴完全是两个维度。关于 _nothink 我们另有一篇专门讲，这里只提醒一句：别把「有没有 _nothink」和「是不是 base」当成同一件事。
判断依据落在哪个文件上
规则读懂了，实际操作里还有一步：怎么确认手上这个模型在这套体系里算哪一档、对应的 template 叫什么。
注解第 6 条给了两个可核查的落点：
- 完整模型清单在
src/llamafactory/extras/constants.py。README 那张表是给人看的摘要，真正被代码消费的枚举在这个文件里。 - 自定义 chat template 加到
src/llamafactory/data/template.py。也就是说，如果你的模型或者你的数据格式在现成取值里对不上，扩展点在这个文件，而不是在 YAML 里硬拼。
这两条的实用价值在于：当 README 表格和你手上的模型对不上时（比如同一系列出了新版本、或者你用的是别人二次训练过的权重），去 constants.py 里比对，比在网上搜别人的 YAML 靠谱。
另外，注解里还有两种带星号的标记要单独说，因为它们和 template 取值无关但常被一起读进去：标 * 的模型需要从 main 分支安装 transformers，并用 DISABLE_VERSION_CHECK=1 跳过版本检查；标 ** 的模型则需要安装特定版本的 transformers。这两条讲的是依赖，不是 template。
那个环境变量的写法分平台，别抄混了：
# Linux / macOS
export DISABLE_VERSION_CHECK=1
:: Windows
set DISABLE_VERSION_CHECK=1
（以上为按官方给出的变量名组合的示例，未逐项实测，以官方文档与 llamafactory-cli train -h 的实际输出为准。）
选完之后还有一步：两侧要一致
README 这几条注解里有一条是全大写强调的：训练和推理必须用同一个 template（原文用 SAME 这个词做了加粗）。
这条对本篇的意义是：base 模型这一档，你在训练侧从 default / alpaca / vicuna 里挑了哪个，推理侧就得是哪个。表里写了具体名字的那些行，两侧照着同一格抄就完事；而横杠这四行，两侧对齐要你自己记住——你做过一次选择，这个选择就必须被带到推理配置里去。这也是横杠那几行比别的行更容易出问题的地方：不是选错，是选完忘了同步。
template 一致性这件事本身够写一整篇，我们另有一篇专门讲，这里只把它和 base 档的关联点标出来。
什么情况说明问题不在这一列
最后收一下边界，免得把所有毛病都往 template 上归因。
- 如果你用的模型在表里有具体 template 名（不是横杠），那这篇讲的选择题根本不存在于你的场景里，按那一格给的取值来就行，去别处排查。顺带提醒：有些格里用斜杠列了不止一个名字（比如 Gemma/Gemma 2/CodeGemma 那行写的是
gemma/gemma2），那对应的是同一行里的不同档，别随手抄第一个。 - 如果你的问题出在依赖版本上（比如带
*/**标记的那些模型），那是transformers版本的事，跟 template 取值是两条线。 - 如果你的问题出在训练方式上（Full-tuning、Freeze-tuning、LoRA、QLoRA、OFT、QOFT 这一维），那是另一张表的事——README 把训练方法矩阵单独列成一张表，而模型表只有 Model、Model size、Template 三列，没有按微调方式再分列。那张矩阵怎么读，我们另有一篇专门讲。
把这一列的规则记成一句话就够用：表里写具体名字的，照抄；表里写横杠的，说明这是 base 档、这一格由你的数据决定，选完之后训练和推理两边保持同一个值。
本文依据 LlamaFactory 官方仓库（github.com/hiyouga/LlamaFactory）的 README、data/README.md、examples/ 下的配置与 src/llamafactory/hparams/ 的参数定义整理，核对日 2026-08-09。本文内容为仓库源码与文档口径，我们没有安装、训练或部署过任何模型，文中显存数字均为官方标注的估算值（README 原文标 * estimated）而非实测占用。参数与默认值随版本变动，请以 llamafactory-cli train -h 的实际输出为准。