可以去仔细看下代码，我的理解是如果create_new_adapter为True，则会在代码中将adapter_name_or_path与基模先merge起来，然后再添加新的adapter进行训练，反之create_new_adapter为False，则是在adapter_name_or_path基础上进一步训练，最后保存优化后的adapter，两种方法的本质效果是一致的，但第一种会产生两个adapter参数，第二种就只有一个adapter参数，不知道我的理解是否正确 : )

from llama-factory.

如果采用第一种方式进行训练的话，最后导出模型的话，是直接和原始的模型进行合并，还是和sft的模型进行合并

#!/bin/bash

DO NOT use quantized model or quantization_bit when merging lora weights

CUDA_VISIBLE_DEVICES=0 python ../../src/export_model.py
--model_name_or_path /mnt/data/legalexp/LLM_exp/MiniCPM/MiniCPM-2B-sft-bf16
--adapter_name_or_path ../../saves/LLaMA2-7B/lora/dpo
--template default
--finetuning_type lora
--export_dir ../../saves/minicpm_dpo
--export_size 2
--export_legacy_format False

from llama-factory.