HF 模型训练器

用 TRL（Transformer 强化学习）或 Unsloth 在 Hugging Face Jobs 基础设施上训练或微调语言与视觉模型。覆盖 SFT、DPO、GRPO 与奖励建模训练方法，外加本地部署的 GGUF 转换。包含 TRL Jobs 指引……