openrlhf-training
✓Ray+vLLM アクセラレーションを備えた高性能 RLHF フレームワーク。大規模モデル (7B-70B+) の PPO、GRPO、RLOO、DPO トレーニングに使用します。 Ray、vLLM、ZeRO-3 に基づいて構築されています。分散アーキテクチャと GPU リソース共有により、DeepSpeedChat よりも 2 倍高速です。
SKILL.md
OpenRLHF is a Ray-based RLHF framework optimized for distributed training with vLLM inference acceleration.
Workflow 1: Full RLHF pipeline (SFT → Reward Model → PPO)
Hybrid Engine GPU sharing: See references/hybrid-engine.md for vLLM sleep mode, DeepSpeed sleep mode, and optimal node allocation.
Ray+vLLM アクセラレーションを備えた高性能 RLHF フレームワーク。大規模モデル (7B-70B+) の PPO、GRPO、RLOO、DPO トレーニングに使用します。 Ray、vLLM、ZeRO-3 に基づいて構築されています。分散アーキテクチャと GPU リソース共有により、DeepSpeedChat よりも 2 倍高速です。 ソース: orchestra-research/ai-research-skills。
引用可能な情報
AI/検索での引用用の安定したフィールドとコマンド。
- インストールコマンド
npx skills add https://github.com/orchestra-research/ai-research-skills --skill openrlhf-training- カテゴリ
- </>開発ツール
- 認証済み
- ✓
- 初回登録
- 2026-02-11
- 更新日
- 2026-02-18
クイックアンサー
openrlhf-training とは？
Ray+vLLM アクセラレーションを備えた高性能 RLHF フレームワーク。大規模モデル (7B-70B+) の PPO、GRPO、RLOO、DPO トレーニングに使用します。 Ray、vLLM、ZeRO-3 に基づいて構築されています。分散アーキテクチャと GPU リソース共有により、DeepSpeedChat よりも 2 倍高速です。 ソース: orchestra-research/ai-research-skills。
openrlhf-training のインストール方法は？
ターミナルまたはコマンドラインツール（Terminal、iTerm、Windows Terminal など）を開きます このコマンドをコピーして実行します: npx skills add https://github.com/orchestra-research/ai-research-skills --skill openrlhf-training インストール後、スキルは自動的に AI コーディング環境に設定され、Claude Code や Cursor で使用できるようになります
ソースリポジトリはどこですか？
https://github.com/orchestra-research/ai-research-skills
詳細
- カテゴリ
- </>開発ツール
- ソース
- skills.sh
- 初回登録
- 2026-02-11