全部 skill

基于 Megatron 与 SGLang 做大模型的强化学习后训练。

TRL：做 SFT、DPO、GRPO、RLOO 等奖励建模与强化学习微调。

AI 驱动的 LinkedIn 内容套件：生成帖子、轮播、简报与 30 天日历，含垂直 SEO 规则与强化学习个人记忆系统。

用 verl（Volcano Engine RL）训练 LLM 强化学习指引。需实现 RLHF、GRPO、PPO 或其他 RL 算法做大规模 LLM 后训练、且需灵活基础设施后端时使用。

用 TRL 的强化学习微调 LLM——SFT 做指令微调、DPO 做偏好对齐、PPO/GRPO 做奖励优化、以及奖励模型训练。需 RLHF、用偏好对齐模型、或从人类反馈训练时使用。与 HuggingFace Transformers 配合。

用 torchforge（Meta 把基础设施与算法分离的库）做 PyTorch 原生 agentic RL 指引。想要干净 RL 抽象、易算法实验、或用 Monarch 与 TorchTitan 可扩展训练时使用。

用 slime（Megatron+SGLang 框架）做 LLM 后训练 RL 指引。训练 GLM 模型、实现自定义数据生成工作流、或需 Megatron-LM 紧耦合做 RL 扩展时使用。

用 miles（slime 的生产就绪 fork）做企业级 RL 训练指引。用 FP8/INT4 训练大 MoE 模型、需训练-推理对齐、或需推测性 RL 达最大吞吐时使用。

用 TRL 做 GRPO/RL 微调、面向推理与任务特定模型训练的专家指引。