사용량 통계 수집

TRL은 실제 환경에서 어떤 trainer, 모델 아키텍처, 하드웨어 구성이 사용되는지 이해하도록 유지보수자에게 도움을 주기 위해 익명 사용 통계를 수집합니다. 이 데이터는 어떤 기능에 투자하고 어떤 기능을 비추천(deprecate)할지에 대한 우선순위 결정에 반영됩니다.

수집되는 정보

트레이너가 인스턴스화될 때마다 단일 ping이 전송됩니다. 페이로드에는 다음이 포함됩니다:

• TRL 버전 (예: 1.5.0)
• Trainer 클래스 이름. TRL에서 정의한 trainer인 경우에만 보고됩니다(예: SFTTrainer, GRPOTrainer). 사용자가 직접 만든 서브클래스는 other로 보고됩니다.
• 모델 아키텍처는 transformers에 알려진 모델 유형인 경우에만 보고됩니다(예: llama, qwen3). 커스텀 또는 비공개 아키텍처는 other로 보고됩니다.
• PEFT가 사용 중인지 여부
• 학습 데이터셋이 로드된 방식: hub(Hub에서 다운로드), files(json 또는 csv와 같은 파일 기반 빌더를 통해 읽음 — 원본 json/csv 파일을 포함하는 Hub 저장소도 여기에 해당), memory(프로세스 내에서 생성, 예: Dataset.from_dict), 또는 other. 데이터셋 이름과 경로는 절대 수집되지 않습니다.
• 분산 백엔드(deepspeed, fsdp, ddp 또는 none)
• 월드 사이즈, 버킷화됨 (1, 2-8, 9-64, 65+)
• 가속기 유형(cuda, xpu, npu, mlu, mps, cpu)
• 가능한 경우 GPU 모델 이름(예: NVIDIA H100 80GB HBM3)

데이터셋 이름, 파일 경로, 모델 식별자, 하이퍼파라미터 값 또는 기타 사용자 제공 데이터는 수집되지 않습니다. 모든 HTTP 요청과 마찬가지로, 소스 IP와 표준 HTTP 헤더는 서버에 표시됩니다.

CI 환경(즉, CI 환경 변수가 설정된 경우)이나 오프라인 모드에서는 Telemetry가 전송되지 않습니다.

…

텔레메트리를 비활성화하려면 다음 환경 변수 중 하나를 설정하세요:

export HF_HUB_DISABLE_TELEMETRY=1   # disables telemetry for all HF libraries
export HF_HUB_OFFLINE=1             # disables all network calls to the Hub

이것이 도움이 되는 이유

사용 데이터가 없으면 유지보수자는 라이브러리의 어떤 부분이 사용자에게 중요한지 알 수 있는 방법이 없습니다. Telemetry를 통해 다음과 같은 질문에 답할 수 있습니다:

• 어떤 trainer가 널리 채택되어 있고, 어떤 trainer는 안전하게 비활성화할 수 있을까요?
• TRL로 가장 자주 파인튜닝되는 모델 아키텍처는 무엇이며, 이를 통해 해당 아키텍처에 대한 지원을 우선순위로 설정할 수 있습니까?
• 사용자들이 어떤 하드웨어 구성을 사용 중인지 파악하여 해당 환경에 맞게 테스트하고 최적화할 수 있도록 알려주세요.

TRL이 유용하다고 느끼신다면, 텔레메트리를 활성화해 두시는 것이 TRL을 더 나은 도구로 만드는 데 도움이 되는 저비용 방법입니다.