SKILL
trl-training
使用 TRL（Transformers Reinforcement Learning）对大语言模型进行后训练——包括 SFT、DPO、GRPO、KTO 以及奖励模型训练。适用于使用 TRL Python API 或 trl CLI 编写或调试训练代码。
机器翻译查看英文原文
Post-train LLMs with TRL (Transformers Reinforcement Learning) — SFT, DPO, GRPO, KTO, and reward-model training. Use when writing or debugging training code with the TRL Python API or the trl CLI.
适用对象：软件开发与测试。自动收录 · 待核查。
在 Cursor 中使用
该组合的专门教程待补充，尚未核实适配。
准备条件
- 本条仅收录原作者的技能元数据；请阅读完整说明，确认依赖、许可与使用条件。
选择已有说明的 AI 工具，或在页面加载后保存待办及提出教程请求。
查看原作者说明 ↗