/fine-tuning-with-trl
用 TRL 以強化學習微調 LLM：SFT 指令微調、DPO 偏好對齊、PPO/GRPO 獎勵最佳化，以及 reward model 訓練。需要 RLHF 或從人類回饋訓練時使用。
- 安裝次數
- 999
- 專案星數
- 1.4 萬 ★
- 授權
- MIT
- 專案更新
- 2026-10-11
怎麼裝
npx skills add https://github.com/Orchestra-Research/AI-Research-SKILLs --skill trl-fine-tuning安裝前請先看過原文內容。中文說明是 AI 翻譯，不保證安全。
原文
Fine-tune LLMs using reinforcement learning with TRL - SFT for instruction tuning, DPO for preference alignment, PPO/GRPO for reward optimization, and reward model training. Use when need RLHF, align model with preferences, or train from human feedback. Works with HuggingFace Transformers.