---
title: "createTrainer"
description: "ファインチューニング学習を定義する。"
---

`createTrainer` は学習を記述する場所です。どのベースモデルを使い、どのデータセットを使い、どんなパラメーターを回すか。返ってくる `Trainer` は `arkor start`（と Studio の **Run training** ボタン）が実行します。

```ts
import { createTrainer } from "arkor";

export const trainer = createTrainer({
  name: "support-bot-v1",
  model: "unsloth/gemma-4-E4B-it",
  dataset: { type: "huggingface", name: "arkorlab/triage-demo" },
  lora: { r: 16, alpha: 16 },
  maxSteps: 100,
});
```

## 最初に触るフィールド

- `name`: Studio とクラウド側ログに表示。具体的な名前を。
- `model`: ベースのオープンウェイトモデル。テンプレートは `gemma-4-E4B-it` を使用。[サポートしているモデル](/ja/docs/framework/models) を参照。
- `dataset`: 学習データの所在。[`DatasetSource`](/ja/docs/framework/guides/sdk/dataset) を参照。
- `lora`: LoRA / QLoRA のパラメーター。`r: 16, alpha: 16` で十分。省略するとバックエンドのデフォルト。
- `maxSteps` または `numTrainEpochs`: 学習時間を区切る。
- `callbacks`: [コールバック](/ja/docs/framework/guides/sdk/callbacks) を参照。

## フル学習を走らせずに試す

`dryRun: true` でバックエンドにデータセットの切り詰めとステップ制限を指示し、パイプラインの全段階を走らせつつ数分で終わる形式に変えられます。コールバックを初めて組むときに便利です。

```ts
createTrainer({
  name: "smoke",
  model: "unsloth/gemma-4-E4B-it",
  dataset: { type: "huggingface", name: "arkorlab/triage-demo" },
  dryRun: true,
});
```

## リファレンス

`TrainerInput` の全フィールド、各型付きオプションフィールド、`LoraConfig`、未安定の forwarded フィールド（`warmupSteps`、`loggingSteps`、`saveSteps`、`evalSteps` など）、マルチトレーナーのロードマップは [`createTrainer` リファレンス](/ja/docs/framework/sdk/create-trainer) を参照してください。