training_args = TrainingArguments(
    output_dir="./papuGaGPT2-finetuned", #katalog, w którym zostaną zapisane wyniki treningu i model.
    num_train_epochs=50, #liczba pełnych przejść przez dane treningowe (epok).
    per_device_train_batch_size=5, #liczba przykładów trenowanych jednocześnie (batch size) na jednym urządzeniu.
    gradient_accumulation_steps=2, #gradienty będą sumowane co 2 kroki, co symuluje większy batch bez zwiększania zużycia pamięci.
    logging_steps=2, #co 2 kroki będą logowane informacje o postępach.
    save_steps=1000, #co 1000 kroków zapisywany będzie model.
    save_total_limit=1, #przechowywana będzie tylko 1 najnowsza wersja modelu
    report_to="none", #wyłącza integrację z platformami do monitoringu (np. wandb).
)

trainer = Trainer(
    model=model_tuned,
    args=training_args,
    train_dataset=tokenized_dataset,
)

trainer.train()