> For the complete documentation index, see [llms.txt](https://unsloth.ai/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://unsloth.ai/docs/jp/burogu.md).

# ブログ

- [Unsloth Kernels + Packing による 3 倍高速な LLM 学習](https://unsloth.ai/docs/jp/burogu/3x-faster-training-packing.md): Unsloth が学習スループットをどのように向上させ、ファインチューニング時のパディングの無駄をなくすかを学びます。
- [50 万コンテキスト長のファインチューニング](https://unsloth.ai/docs/jp/burogu/500k-context-length-fine-tuning.md): Unsloth で 50 万トークン超のコンテキストウィンドウのファインチューニングを有効にする方法を学びます。
- [量子化対応学習（QAT）](https://unsloth.ai/docs/jp/burogu/quantization-aware-training-qat.md): Unsloth と PyTorch を使ってモデルを 4 ビットに量子化し、精度を回復します。
- [NVIDIA DGX Station で Unsloth を使って LLM をファインチューニングする](https://unsloth.ai/docs/jp/burogu/dgx-station.md): Unsloth のノートブックを使ってファインチューニングする方法を解説する NVIDIA DGX Station チュートリアル。
- [Unsloth と Docker で LLM をファインチューニングする方法](https://unsloth.ai/docs/jp/burogu/how-to-fine-tune-llms-with-unsloth-and-docker.md): Unsloth の Docker イメージを使って LLM をファインチューニングしたり、強化学習（RL）を行う方法を学びます。
- [NVIDIA DGX Spark と Unsloth で LLM をファインチューニングする](https://unsloth.ai/docs/jp/burogu/fine-tuning-llms-with-nvidia-dgx-spark-and-unsloth.md): NVIDIA DGX Spark 上で OpenAI gpt-oss を使ってファインチューニングと強化学習（RL）を行う方法のチュートリアル。
- [Blackwell、RTX 50 シリーズ、Unsloth で LLM をファインチューニングする](https://unsloth.ai/docs/jp/burogu/fine-tuning-llms-with-blackwell-rtx-50-series-and-unsloth.md): NVIDIA の Blackwell RTX 50 シリーズと B200 GPU で LLM をファインチューニングする方法を、ステップごとのガイドで学びます。
- [ComfyUI で Diffusion Image GGUF を実行する方法](https://unsloth.ai/docs/jp/burogu/comfyui.md): ComfyUI で Unsloth Diffusion GGUF モデルを実行するためのガイド。
- [AI Engineer's 2025](https://unsloth.ai/docs/jp/burogu/ai-engineers-2025.md): AI Engineer's Worlds Fair 2025 ワークショップのスライド。
- [Unsloth - AI Engineer World's Fair 2026](https://unsloth.ai/docs/jp/burogu/ai-engineer-2026.md): AI Engineer's Worlds Fair 2026 ワークショップのスライド。
- [GPU Mode - Reinforcement Learning Mini Conference 2026](https://unsloth.ai/docs/jp/burogu/gpu-mode-conference.md): PyTorch Conference 2025 の講演スライド。
- [Unsloth AMD PyTorch Synthetic Data ハッカソン](https://unsloth.ai/docs/jp/burogu/unsloth-amd-pytorch-synthetic-data-hackathon.md): AMD GPU で Unsloth を実行するためのヒントとコツ、トラブルシューティング、ガイド。
- [PyTorch Conference 2025 - Unsloth](https://unsloth.ai/docs/jp/burogu/pytorch-conference-2025-unsloth.md): PyTorch Conference 2025 の講演スライド。


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://unsloth.ai/docs/jp/burogu.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.