下载

Skill UI

浏览并发现 5115+ 精选技能

全部编程开发人工智能设计创意产品商业数据科学市场营销职场通用效率工具硬件工程语言学习

搜索 GRPO ，共找到 8 条记录

默认排序最新上传最多下载

Axolotl 微调指南

Orchestra-Research/AI-Research-SKILLs

引导开发者使用 Axolotl 对大型模型进行微调，包含 YAML 配置示例、LoRA/QLoRA 与 DPO/KTO/ORPO/GRPO 流程、FSDP 参数建议、压缩检查点与调试技巧，适用于多模态训练场景。

Axolotl 微调指南

Orchestra-Research/AI-Research-SKILLs

引导开发者使用 Axolotl 对大型模型进行微调，包含 YAML 配置示例、LoRA/QLoRA 与 DPO/KTO/ORPO/GRPO 流程、FSDP 参数建议、压缩检查点与调试技巧，适用于多模态训练场景。

TRL 强化学习微调套件

fine-tuning-with-trl

Orchestra-Research/AI-Research-SKILLs

提供基于 TRL 的强化学习微调流程，涵盖 SFT、奖励模型、PPO、DPO 与 GRPO，帮助团队用 HuggingFace 模型对齐人类偏好，支持流水线与命令行工具。

GRPO 强化学习训练

grpo-rl-training

Orchestra-Research/AI-Research-SKILLs

提供使用 TRL 实施 GRPO 的实战指南，面向结构化输出和可验证任务，通过自定义奖励函数强化模型推理能力。

OpenRLHF高性能训练

openrlhf-training

Orchestra-Research/AI-Research-SKILLs

OpenRLHF 是基于 Ray 与 vLLM 的高性能 RLHF 框架，通过 ZeRO-3 与 GPU 资源共享加速 PPO、GRPO、RLOO 和 DPO 等算法的 7B-70B+ 大模型分布式训练。

Torchforge 强化学习训练指南

torchforge-rl-training

Orchestra-Research/AI-Research-SKILLs

Torchforge RL Training 介绍了 Meta 的 PyTorch 原生强化学习框架 torchforge，强调算法与基础设施的隔离，便于用 GRPO/SFT 等损失做实验，并借助 Monarch、TorchTitan 和 vLLM 进行多卡大规模训练，同时提供配置与监控要点。

verl 强化学习训练指南

verl-rl-training

Orchestra-Research/AI-Research-SKILLs

使用 verl 的 HybridFlow 框架，在数百亿参数模型上以 PPO、GRPO、DAPO 等算法进行 RLHF 后训练，支持多种训练后端、带工具的多轮 rollout 及评估。

Hugging Face TRL 模型训练

hugging-face-model-trainer

sickn33/antigravity-awesome-skills

在 Hugging Face Jobs 上使用 TRL（SFT/DPO/GRPO/奖励建模）训练或微调语言模型，提交脚本到 hf_jobs 并通过 Trackio 实时监控，支持 GGUF 导出及云 GPU 自动管理。

1

语言