Skip to main content

grpo-troubleshooting

スター12
フォーク0
更新日2026年6月10日 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".

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