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

fine-tuning-with-trl

スター226
フォーク33
更新日2026年3月12日 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.

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。

ファイルエクスプローラー
5 ファイル
SKILL.md
readonly