'trl' 검색 결과

TRL: SFT, DPO, PPO, GRPO, reward modeling for LLM RLHF.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Orientação especializada para ajuste fino com GRPO/RL usando TRL para treinamento de modelos com raciocínio e tarefas específicas

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Train or fine-tune language and vision models using TRL (Transformer Reinforcement Learning) or Unsloth with Hugging Face Jobs infrastructure. Covers SFT, DPO, GRPO and reward modeling training methods, plus GGUF conversion for local deployment. Includes guidance on the TRL Jobs package, UV scripts with PEP 723 format, dataset preparation and validation, hardware selection, cost estimation, Trackio monitoring, Hub authentication, model selection/leaderboards and model persistence. Use for tasks involving cloud GPU training, GGUF conversion, or when users mention training on Hugging Face Jobs without local GPU setup.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

組織の生きているペイン（secretary / dispatcher / worker）へ tmux で**直接入る** ための **コマンドを出力するだけ** の read-only スキル。`mcp__org-broker__list_panes`（論理ペイン） と `/usr/bin/tmux -L claude-org-broker list-panes -a`（pane_id ↔ session マッピング）を pane_id（%N）で突き合わせ、各ペインに role + name(task_id) ラベル付きの attach コマンドを 生成する（既定は読取書込 = `-r` 無し / 読取専用 `-r` はオプション / デタッチは `Ctrl-b d`）。 外側が tmux のときに今の tmux を分割してワーカー（と dispatcher）を並べる `split-window` コマンドも出す。 特定のペインの画面を直接見たい・入りたい・並べて見たい、attach コマンドを知りたいという依頼で発動。 自分で attach / split はせず・ペインも一切変更しない（コマンド文字列とペイン一覧表を表示するのみ）。 作業委譲（org-delegate）・ダッシュボードで状況一覧（org-dashboard）・watcher 停止（org-attention-stop） には発動しない。

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Expert guidance for GRPO/RL fine-tuning with TRL for reasoning and task-specific model training

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

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.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Expert knowledge of Folketrygdloven (National Insurance Act) processing in melosys-api. Use when: (1) Understanding FTRL bestemmelser (§2-5 to §2-13), (2) Debugging yrkesaktiv/ikke-yrkesaktiv/pensjonist processing flows, (3) Understanding trygdedekning options and combinations, (4) Investigating vilkår for each bestemmelse, (5) Understanding medlemskapsperiode generation logic, (6) Debugging frivillig vs pliktig membership determination.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

tmux에서 실행 중인 대화형 명령줄 프로그램의 화면을 확인하고 문자와 키를 보냅니다. 세션 목록, 출력 기록 조회, 입력 대기와 처리 완료 감시에 활용합니다.

• 대화형 프로그램의 출력 확인
• 실행 중인 세션에 문자와 키 전송
• 입력 대기와 처리 완료 감시

Unsloth로 언어 모델을 추가 학습하도록 돕습니다. LoRA와 QLoRA 구현, 기능과 API 확인, 코드 오류 조사, GPU 메모리를 줄이는 학습 방법 탐색을 지원합니다.

• LoRA와 QLoRA 추가 학습 시작
• Unsloth 기능과 API 확인
• 학습 코드의 오류 조사

기능 추가, 리팩터링, PR 검토를 OpenCode CLI에 맡깁니다. 장시간 작업의 진행 확인과 세션 재개, 변경 파일 및 테스트 결과 보고도 다룹니다.

• 기능 추가와 리팩터링 위임
• PR의 버그와 누락된 테스트 검토
• 장시간 개발 세션 모니터링과 재개

Choose a model training method and configuration from paired response preferences or individual positive and negative ratings. Covers DPO, ORPO, KTO, and SimPO, including pair construction, repeated training rounds, and troubleshooting learning settings.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Choose a training method for paired response preferences
• Select a method for individual positive and negative ratings
• Review learning settings when DPO training loses general capability

Prepare and review LoRA or QLoRA settings for adapting language models using example responses. Choose trainable layers, adapter capacity, learning rate, and memory-related options, then produce configuration values for a downstream training script.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Preparing a LoRA configuration for supervised fine-tuning
• Reviewing rank, alpha, and learning rate settings
• Choosing LoRA or QLoRA based on GPU memory

Set up machine learning training and inference on NVIDIA DGX Spark. Get guidance on choosing containers and packages, resolving CUDA compatibility errors, and checking that PyTorch can access the GPU before starting a workload.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Setting up a new DGX Spark for training or inference
• Diagnosing CUDA compatibility and import errors
• Choosing between containers and direct pip installation

Choose the right WeKnora command to answer questions from a knowledge base or retrieve source passages. Covers cited answers, custom agents, document searches, and continuing a conversation through the command-line tool.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Ask questions with citations from a knowledge base
• Retrieve source passages for further analysis
• Find documents by title or filename

Train language models with SimPO using pairs of preferred and rejected answers. Configure preference training without a separate reference model, adapt settings for base or instruction models, and address unstable training, memory limits, or lost capabilities.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Training a base model with preferred and rejected answers
• Further tuning an instruction model with preference data
• Adjusting training settings for math and code tasks

Fine-tune large language models with LoRA and QLoRA while limiting GPU memory use. Guides training settings and adapter management, using small sets of task-specific weights that can be saved, switched, or merged into a base model.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Fine-tuning an LLM with limited GPU memory
• Choosing LoRA settings and training layers
• Switching task-specific adapters on one base model

Get guidance on adapting LLMs with Unsloth, including implementation, API usage, and debugging. Covers LoRA and QLoRA, methods for adjusting models with fewer trainable parameters, with a focus on training speed and memory use.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Learning how to fine-tune models with Unsloth
• Exploring LoRA and QLoRA for efficient training
• Implementing features using Unsloth APIs

Create and run tests for interactive command-line tools and terminal interfaces using @microsoft/tui-test. Simulate keyboard input, check visible text, and compare screen snapshots in a separate terminal environment for each test.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Testing selection prompts with arrow keys and Enter
• Checking terminal screen snapshots
• Automating text entry and keyboard navigation

Add and troubleshoot the json-render inspection panel in SolidJS applications. This skill covers panel setup for examining specifications, editing state, reviewing action and stream timelines, browsing component catalogs, and selecting page elements for inspection.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Add an inspection panel to a SolidJS app
• Inspect JSON specifications and edit application state
• Review action and stream timelines

Add pedestrians to a CARLA map and let them walk autonomously. Adjust crowd size, walking speed, road-crossing frequency, and placement seeds, create stationary crowds, and remove pedestrians together with their movement controllers in the correct order.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Adding pedestrians who walk around a map
• Reusing pedestrian placement with a fixed seed
• Adjusting walking speeds and road crossings

Populate a running CARLA simulation with autonomous traffic, evenly spaced vehicles in one lane, or a single vehicle for control and sensors. Filter vehicle models, keep automated driving active, and remove vehicles when the scene is finished.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Fill a map with autonomous traffic
• Place vehicles at fixed intervals in one lane
• Create an ego vehicle for control and sensors

Get guidance on fine-tuning language models with Unsloth, including LoRA and QLoRA methods for training with fewer resources. The skill points to documentation for understanding APIs, implementing training code, debugging problems, and exploring speed and memory optimizations.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Exploring faster training with lower memory use
• Learning about LoRA and QLoRA fine-tuning
• Checking Unsloth features and APIs

Adapt large language models to specific tasks through fine-tuning, or additional training. Prepares and validates datasets, configures LoRA or QLoRA to train a small subset of parameters, and supplies training settings, evaluation scripts, and deployment optimization guidance.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Preparing and validating JSONL training data
• Choosing LoRA or QLoRA for available GPU memory
• Configuring training and monitoring overfitting

Design and implement command-line tools with subcommands, options, interactive prompts, and progress indicators. Get command structures, configuration handling, clear error messages, and shell completion scripts, with guidance for automated use and testing across operating systems.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Build a command-line tool with subcommands and options
• Add interactive prompts and progress indicators
• Provide bash, zsh, and fish command completion