案例技能关于

ClawIndex

OpenClaw Skills 与 Use Case 索引

ClawIndex 是一个生态驱动的 OpenClaw Skills 与真实 Use Case 索引站。

索引

Meta

© 2026 ClawIndex 保留所有权利。

带有该标签的 Skills：RLHF

浏览带有该标签的技能列表。

fine-tuning-with-trl - 使用 TRL 进行大语言模型后训练与偏好对齐
后训练 TRL 强化学习微调
★ 0 · 更新于 2026-09-24
提供大语言模型后训练的方法与工作流，涵盖 SFT、DPO、PPO、GRPO 及奖励模型训练。
⚙ 执行监督微调 ⚙ 训练奖励模型 ⚙ 使用 DPO 对齐模型
verl-rl-training - 大语言模型强化学习训练库
强化学习 RLHF GRPO PPO
★ 650 · 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