Skip to main content
Ejecuta cualquier Skill en Manus
con un clic

fine-tuning-with-trl

Estrellas226
Forks33
Actualizado12 de marzo de 2026 a las 13:24

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.

Instalación

Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.

Explorador de archivos
5 archivos
SKILL.md
readonly