> 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/meru.md).

# 始める

- [Unslothドキュメント](https://unsloth.ai/docs/jp/meru/readme.md): Unslothは、LLMの実行と学習のためのオープンソースフレームワークです。
- [Unslothモデルカタログ](https://unsloth.ai/docs/jp/meru/unsloth-model-catalog.md)
- [初心者向けファインチューニング](https://unsloth.ai/docs/jp/meru/fine-tuning-for-beginners.md)
- [Unslothの要件](https://unsloth.ai/docs/jp/meru/fine-tuning-for-beginners/unsloth-requirements.md): こちらでは、システム要件とGPU VRAM要件を含むUnslothの要件を紹介します。
- [FAQ + ファインチューニングは私に向いている？](https://unsloth.ai/docs/jp/meru/fine-tuning-for-beginners/faq-+-is-fine-tuning-right-for-me.md): ファインチューニングが自分に合っているか迷っているなら、こちらをご覧ください！ ファインチューニングの誤解、RAGとの比較などを学べます：
- [Unslothノートブック](https://unsloth.ai/docs/jp/meru/unsloth-notebooks.md): ファインチューニング用ノートブック：Unslothカタログを見てみましょう。
- [Unslothのインストール](https://unsloth.ai/docs/jp/meru/install.md): Unslothをローカルまたはオンラインでインストールする方法を学びましょう。
- [pipとuvでUnslothをインストール](https://unsloth.ai/docs/jp/meru/install/pip-install.md): Pipを使ってローカルにUnslothをインストールするには、以下の手順に従ってください：
- [MacOSにUnslothをインストール](https://unsloth.ai/docs/jp/meru/install/mac.md)
- [UnslothでWindows上のLLMをファインチューニングする方法（ステップバイステップガイド）](https://unsloth.ai/docs/jp/meru/install/windows-installation.md): WindowsにUnslothをインストールして、ローカルでLLMのファインチューニングを始める方法を見てみましょう。
- [UnslothガイドでAMD GPU上のLLMをファインチューニング](https://unsloth.ai/docs/jp/meru/install/amd.md): Unslothを使って、AMD GPU上で大規模言語モデル（LLM）をファインチューニングする方法を学びましょう。
- [Unslothを使ったAMD AI強化学習ハッカソン](https://unsloth.ai/docs/jp/meru/install/amd/amd-hackathon.md): Unslothの開発者Daniel Hanによる、Unslothを使ったAIモデルの強化学習の実践的な手法を学びましょう。
- [DockerでUnslothをインストール](https://unsloth.ai/docs/jp/meru/install/docker.md): 公式Dockerコンテナを使ってUnslothをインストール
- [Unslothの更新](https://unsloth.ai/docs/jp/meru/install/updating.md): Unslothを更新する、または旧バージョンを使うには、以下の手順に従ってください：
- [UnslothでIntel GPU上のLLMをファインチューニング](https://unsloth.ai/docs/jp/meru/install/intel.md): Intel GPU上で大規模言語モデルを学習・ファインチューニングする方法を学びましょう。
- [Condaインストール](https://unsloth.ai/docs/jp/meru/install/conda-install.md): CondaでローカルにUnslothをインストールするには、以下の手順に従ってください：
- [UnslothとColab GPUを使ってVS CodeでLLMをファインチューニングする方法](https://unsloth.ai/docs/jp/meru/install/vs-code.md): UnslothとGoogle Colabを介して、Visual Studio Code内で直接モデルをファインチューニングするためのガイド。
- [Google Colab](https://unsloth.ai/docs/jp/meru/install/google-colab.md): Google ColabでUnslothをインストールして実行するには、以下の手順に従ってください：
- [LLMファインチューニングガイド](https://unsloth.ai/docs/jp/meru/fine-tuning-llms-guide.md): ファインチューニングの基本とベストプラクティスをすべて学べます。初心者向けです。
- [データセットガイド](https://unsloth.ai/docs/jp/meru/fine-tuning-llms-guide/datasets-guide.md): ファインチューニング用のデータセットを作成・準備する方法を学びましょう。
- [LoRAファインチューニングのハイパーパラメータガイド](https://unsloth.ai/docs/jp/meru/fine-tuning-llms-guide/lora-hyperparameters-guide.md): LLMファインチューニングの最適な設定をステップごとに学びましょう。LoRAのrankとalpha、epoch、バッチサイズ＋勾配蓄積、QLoRAとLoRAの比較、ターゲットモジュールなどを扱います。
- [ファインチューニングにはどのモデルを使うべき？](https://unsloth.ai/docs/jp/meru/fine-tuning-llms-guide/what-model-should-i-use.md)
- [チュートリアル：Llama-3をファインチューニングしてOllamaで使う方法](https://unsloth.ai/docs/jp/meru/fine-tuning-llms-guide/tutorial-how-to-finetune-llama-3-and-use-in-ollama.md): Ollamaでローカル実行するための、カスタマイズされた個人アシスタント（ChatGPTのようなもの）を作る初心者向けガイド
- [強化学習（RL）ガイド](https://unsloth.ai/docs/jp/meru/reinforcement-learning-rl-guide.md): 強化学習（RL）のすべてと、GRPOを使ってUnslothで自分のDeepSeek-R1推論モデルを学習する方法を学びましょう。初心者から上級者まで対応した完全ガイドです。
- [7倍長いコンテキストでの強化学習GRPO](https://unsloth.ai/docs/jp/meru/reinforcement-learning-rl-guide/grpo-long-context.md): Unslothが超長文コンテキストのRLファインチューニングをどのように実現するかを学びましょう。
- [Vision強化学習（VLM RL）](https://unsloth.ai/docs/jp/meru/reinforcement-learning-rl-guide/vision-reinforcement-learning-vlm-rl.md): Unslothを使って、GRPOとRLでVision/マルチモーダルモデルを学習しましょう！
- [FP8強化学習](https://unsloth.ai/docs/jp/meru/reinforcement-learning-rl-guide/fp8-reinforcement-learning.md): Unslothを使って、FP8精度で強化学習（RL）とGRPOを学習しましょう。
- [チュートリアル：GRPOで自分の推論モデルを学習する方法](https://unsloth.ai/docs/jp/meru/reinforcement-learning-rl-guide/tutorial-train-your-own-reasoning-model-with-grpo.md): UnslothとGRPOを使って、Llama 3.1（8B）のようなモデルを推論モデルへ変換するための初心者向けガイド。
- [高度な強化学習ドキュメント](https://unsloth.ai/docs/jp/meru/reinforcement-learning-rl-guide/advanced-rl-documentation.md): UnslothをGRPOとともに使う際の高度なドキュメント設定。
- [GSPO強化学習](https://unsloth.ai/docs/jp/meru/reinforcement-learning-rl-guide/advanced-rl-documentation/gspo-reinforcement-learning.md): UnslothでGSPO（Group Sequence Policy Optimization）RLを学習します。
- [RLの報酬ハッキング](https://unsloth.ai/docs/jp/meru/reinforcement-learning-rl-guide/advanced-rl-documentation/rl-reward-hacking.md): 強化学習におけるReward Hackingとは何か、そしてそれをどう防ぐかを学びましょう。
- [RLでのFP16とBF16の比較](https://unsloth.ai/docs/jp/meru/reinforcement-learning-rl-guide/advanced-rl-documentation/fp16-vs-bf16-for-rl.md): FP16による学習と推論の不一致の克服 https://arxiv.org/pdf/2510.26788 は、float16の方がbfloat16より優れていることを示しています
- [メモリ効率の高いRL](https://unsloth.ai/docs/jp/meru/reinforcement-learning-rl-guide/memory-efficient-rl.md)
- [選好最適化トレーニング - DPO、ORPO、KTO](https://unsloth.ai/docs/jp/meru/reinforcement-learning-rl-guide/preference-dpo-orpo-and-kto.md): Unslothを通じて、DPO、GRPO、ORPO、またはKTOによる選好整合ファインチューニングについて学び、以下の手順に従ってください：
- [RLでAIエージェントを学習](https://unsloth.ai/docs/jp/meru/reinforcement-learning-rl-guide/training-ai-agents-with-rl.md): 強化学習（RL）を使って、実世界のタスク向けAIエージェントを学習する方法を学びましょう。


---

# 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 dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

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

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

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.