Skip to main content

grpo-troubleshooting

Sterne12
Forks0
Aktualisiert10. Juni 2026 um 18:23

Get Stage-3 GRPO running and converging on a small GPU. Use when GRPO "won't run", crashes on launch, OOMs, is impossibly slow, throws bitsandbytes/libnvJitLink errors, "Attempting to unscale FP16 gradients", TRL "unexpected keyword argument 'max_prompt_length'", or when training runs but reward-hacks / doesn't converge (completions pinned at max length, grad_norm nan). Trigger on "GRPO 안 돌아가", "GRPO 터진다", "reward hacking", "max_prompt_length 에러", "fp16 에러", "4bit 너무 느려".

Installation

Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.

SKILL.md
readonly