共 3 个 skill · 数据来自 GitHub 与精选合集，每日更新
Orchestra-Research/AI-Research-SKILLs/06-post-training/verl
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。
Orchestra-Research/AI-Research-SKILLs/06-post-training/openrlhf
带 Ray+vLLM 加速的高性能 RLHF 框架。用于大模型的 PPO、GRPO、RLOO、DPO 训练（7B-70B+）。基于 Ray、vLLM、ZeRO-3。比 DeepSpeedChat 快 2×，分布式架构、GPU 资源共享。
Orchestra-Research/AI-Research-SKILLs/06-post-training/grpo-rl-training
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。