下载

Skill UI

浏览并发现 5019+ 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 RLHF ，共找到 3 条记录

默认排序最新上传最多下载

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。

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。

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。

1

语言