·grpo-rl-training
</>

grpo-rl-training

orchestra-research/ai-research-skills

使用 TRL 進行 GRPO/RL 微調的專家指導,以進行推理和特定於任務的模型訓練

16安裝·1熱度·@orchestra-research

安裝

$npx skills add https://github.com/orchestra-research/ai-research-skills --skill grpo-rl-training

SKILL.md

Expert-level guidance for implementing Group Relative Policy Optimization (GRPO) using the Transformer Reinforcement Learning (TRL) library. This skill provides battle-tested patterns, critical insights, and production-ready workflows for fine-tuning language models with custom reward functions.

| Correctness | Verifiable tasks (math, code) | 2.0 (highest) | | Format | Strict structure enforcement | 0.5-1.0 | | Length | Encourage verbosity/conciseness | 0.1-0.5 | | Style | Penalize unwanted patterns | -0.5 to 0.5 |

Critical Insight: Combine 3-5 reward functions for robust training. Order matters less than diversity of signals.

使用 TRL 進行 GRPO/RL 微調的專家指導,以進行推理和特定於任務的模型訓練 來源:orchestra-research/ai-research-skills。

查看原文

可引用資訊

為搜尋與 AI 引用準備的穩定欄位與指令。

安裝指令
npx skills add https://github.com/orchestra-research/ai-research-skills --skill grpo-rl-training
分類
</>開發工具
認證
收錄時間
2026-02-11
更新時間
2026-02-18

快速解答

什麼是 grpo-rl-training?

使用 TRL 進行 GRPO/RL 微調的專家指導,以進行推理和特定於任務的模型訓練 來源:orchestra-research/ai-research-skills。

如何安裝 grpo-rl-training?

開啟你的終端機或命令列工具(如 Terminal、iTerm、Windows Terminal 等) 複製並執行以下指令:npx skills add https://github.com/orchestra-research/ai-research-skills --skill grpo-rl-training 安裝完成後,技能將自動設定到你的 AI 程式設計環境中,可以在 Claude Code 或 Cursor 中使用

這個 Skill 的原始碼在哪?

https://github.com/orchestra-research/ai-research-skills

詳情

分類
</>開發工具
來源
skills.sh
收錄時間
2026-02-11