Skip to main content
Manusで任意のスキルを実行
ワンクリックで

grpo-finetuning

スター372
フォーク149
更新日2026年1月27日 18:47

Implement GRPO (Group Relative Policy Optimization) fine-tuning for vision-language models on small datasets. Use when SFT underperforms or training data is limited (<1000 examples).

インストール

Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。

SKILL.md
readonly