使用输入“训练配置”的 Skills

verl-rl-training - 大语言模型强化学习训练库
强化学习 RLHF GRPO PPO
★ 602 · 更新于 2026-06-30
提供使用 verl 库对大语言模型进行强化学习训练的指导
⚙ 使用 RLHF 训练模型 ⚙ 使用 GRPO 训练模型 ⚙ 使用 PPO 训练模型
verl-rl-training - 使用Verl的大语言模型强化学习训练
强化学习 RLHF 后训练分布式训练
★ 0 · 更新于 2026-06-30
使用verl通过PPO、GRPO等强化学习算法大规模训练大语言模型
⚙ 使用PPO训练模型 ⚙ 使用GRPO训练模型 ⚙ 配置强化学习算法
verl-rl-training - 使用verl库训练大语言模型
强化学习 RLHF 模型训练分布式计算
★ 1 · 更新于 2026-06-30
支持多种算法和后端的大语言模型灵活强化学习训练库
⚙ 使用GRPO算法训练LLM ⚙ 使用PPO算法训练LLM ⚙ 使用RLOO算法训练LLM
verl-rl-training - 使用verl进行LLM强化学习训练
强化学习 RLHF GRPO PPO
★ 0 · 更新于 2026-06-30
使用verl库进行LLM的RLHF、GRPO和PPO强化学习训练
⚙ 训练LLM ⚙ 配置算法 ⚙ 准备数据集
verl-rl-training - verl LLM强化学习训练框架
强化学习 RLHF GRPO PPO
★ 1 · 更新于 2026-06-30
大语言模型强化学习训练库
⚙ 训练模型 ⚙ 执行rollout ⚙ 计算奖励
stable-baselines3 - 使用 Stable Baselines3 训练强化学习智能体
强化学习机器学习智能体训练 RL 算法
★ 16 · 更新于 2026-06-15
使用基于 PyTorch 的库实现强化学习算法并训练智能体
⚙ 训练强化学习智能体 ⚙ 创建自定义环境 ⚙ 实现回调函数
pytorch-lightning - PyTorch Lightning 训练框架
PyTorch Lightning 训练框架分布式训练 ddp
★ 0 · 更新于 2026-05-28
用于分布式训练的高级 PyTorch 框架，支持 DDP/FSDP/DeepSpeed
⚙ 训练模型 ⚙ 验证模型 ⚙ 测试模型
miles-rl-training - 企业级强化学习训练框架
强化学习 MoE FP8 INT4
★ 602 · 更新于 2026-05-11
面向大规模MoE模型的企业级强化学习训练框架，支持FP8/INT4精度训练
⚙ 训练MoE模型 ⚙ 配置FP8训练 ⚙ 配置INT4训练
numerai-model-implementation - 为Numerai训练实现新模型类型
机器学习 numerai 模型实现训练管道
★ 0 · 更新于 2026-02-18
添加新的模型类型到训练管道中
⚙ 在工厂中注册模型 ⚙ 定义模型API ⚙ 更新训练配置
numerai-model-implementation - 为训练管道添加新的Numerai模型类型
numerai 建模机器学习训练
★ 1,094 · 更新于 2026-02-18
为Numerai智能体训练管道添加新模型类型以进行训练和评估
⚙ 在模型工厂注册模型 ⚙ 处理fit/predict特性 ⚙ 更新模型配置
model - AI算法模型开发与微调
机器学习模型训练微调算法开发
★ 18 · 更新于 2026-02-15
用于数据集设计、模型微调、评估和部署的算法与模型开发技能
⚙ 设计数据集 ⚙ 清理数据集 ⚙ 执行监督微调