Skip to main content

fine-tuning-with-trl

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.

Ir a la instalación

Datos de origen

Repositorio
davila7/claude-code-templates
Última actividad en el origen
8 de enero de 2026 a las 14:24
Idioma detectado de SKILL.md
inglés
Estrellas
30.229
Forks
3394

Opciones de instalación

De forma predeterminada está seleccionado el prompt que primero revisa el origen. Puedes cambiar a un comando directo o descargar una copia local.

Revisa los archivos de origen

Lee SKILL.md y los archivos complementarios que muestra SkillsMP antes de decidir si quieres instalarlo.