多模态模型的训练llamafactory也可以训练，但是总的来说，llamafactory对多模态模型的支持还是不太多，ms-swift支持的多模态模型更多，因此有时候去找框架是否够支持相应的模型时会有所困难，所以对这些框架的代码也要稍微熟悉一些。

1.model_type

模型支持在swift/llm/utils/model.py中，目前能够支持的多模态模型还是很多，这对我们做一些实验室相对方便的，直接我记得我sft qwenvl时还有bs不能大于1的bug，不知道目前解决了没有，目前我实验的llava和internvl2都没有bs=1的限制了。目前llama-vision只能在最新的swift的main分支中，还有合并进最新版本，不过问题也不大。

2.swift对数据的支持包括两种

一种是data.jsonl中添加，这和llamafactory一致的

另一种直接加载相应的转换格式的jsonl或者json文件。

3.template_type

swift中的参数基本都是一致的，没有太多需要调的空间，唯一需要调整的也就是model_type和template_type了，swift/llm/utils/template.py，其实这种框架本质上都是依赖hf的transformer和peft等库进行训练的，当然trainer基本都是自家封装的，但是训练这块基本都是相似的transformer的模式，因此其实更多的还是数据转换，一些预处理之类的东西有所区别。

4.参数

swift/llm/utils/argument.py中，主要关注的就是SftArguments了。