주요 특징

• soup init로 템플릿 기반 YAML을 만들고 soup train 한 줄로 학습을 시작하는 CLI 워크플로를 제공합니다.
• 레이어 스트리밍(stream_layers)으로 고정 베이스 가중치를 RAM에 두고 디코더 레이어 단위로 GPU에 올려 저용량 VRAM에서도 8B 모델 학습을 시도합니다.
• QLoRA·LoRA·NF4 양자화와 SFT, DPO 등 선호도 학습 손실을 함께 지원합니다.
• GPU 감지와 배치 크기, 양자화 설정을 자동 결정해 별도 인프라 튜닝 없이 로컬 GPU에서 학습을 돌릴 수 있습니다.
• soup ship 릴리스 게이트가 mini_mmlu, 안전성, 과잉 거부 등 여러 평가 스위트를 돌려 튜닝 전후 성능 변화를 판정하고, --noise-floor 옵션으로 측정 편차보다 작은 차이는 유의하지 않다고 처리합니다.