Toutes les ressources premium et membres pour 8,99 €/mois, en abonnement sans engagement. Voir les offres

PalateKit

Se connecter
Menu

Demander une ressource

Décrivez en une phrase la ressource qui vous manque. Nous vous écrirons quand elle sera publiée.

0 / 280

Une page, une vidéo ou une image en ligne.

Débloquer PalateKit

Tout débloquer

Offre

Le paiement vaut acceptation de nos conditions générales de vente.

Paiement sécurisé par Stripe. Reçus et factures envoyés par e-mail.

Content de vous revoir

Connectez-vous pour installer, télécharger ou sauvegarder cette ressource. Un compte gratuit suffit pour les ressources gratuites.

Post-entraînement de LLM avec TRL v1.0.0

Utilisez cette ressource pour affiner un modèle de langage par SFT, DPO ou apprentissage par renforcement

Nouveau

  • 364 téléchargements
  • 110 mentions J'aime
  • 244 sauvegardes

Gratuit

Installer avec la CLI

Dans un terminal, depuis le dossier voulu :

npx --yes palatekit@latest install llm-post-training-trl

Sans option, la skill va dans ~/.agents/skills/ ; ajoutez --agent claude-code (ou codex, cursor…) pour viser un agent.

Première fois : connectez la CLI avec

npx --yes palatekit@latest login

L'agent choisit la méthode adaptée (SFT pour le suivi d'instructions, DPO pour l'alignement sur des préférences, PPO ou GRPO pour l'optimisation par récompense) et écrit le pipeline d'entraînement avec TRL et Transformers. Vous obtenez le code d'entraînement et les réglages associés.

Choisie surtout par

Mise à jour le 2 novembre 2026

Carte de la skill « Post-entraînement de LLM avec TRL »

Caractéristiques

Fonctionne dans
Guides d'installation
Génère avec
Le modèle de votre agent
Licence
MIT

Ressources similaires

Tout voir

Ce que vous obtenez

  • SKILL.md : démarrage rapide et workflows (pipeline RLHF complet)
  • references/sft-training.md et references/dpo-variants.md : réglages du SFT et variantes de DPO
  • references/reward-modeling.md et references/online-rl.md : modèles de récompense et apprentissage en ligne

Pour qui

  • Vous voulez aligner un modèle sur des paires de réponses préférées et rejetées
  • Vous voulez adapter un modèle ouvert à vos instructions

Pas pour qui

    Étiquettes

    • trl
    • sft
    • dpo
    • rlhf
    • llm

    À propos

    Vous dites

    « Affine ce modèle Qwen sur mon jeu d'instructions, puis passe en DPO avec mes paires de préférences. »

    Carte de la skill « Post-entraînement de LLM avec TRL »

    Skill publiée par davila7 sous licence MIT. Fichiers livrés dans leur version d'origine, en anglais.

    Voir plus

    Comment l'utiliser

    1. Installez la skill dans le dossier de skills de votre agent
    2. Demandez à votre agent de affiner un modèle de langage par SFT, DPO ou apprentissage par renforcement
    3. Relisez et ajustez le résultat

    Aperçu du contenu

    Fichiers

    • LICENSE1,1 Ko
    • NOTICE-PALATEKIT.md0,6 Ko
    • references/dpo-variants.md4,4 Ko
    • references/online-rl.md2 Ko
    • references/reward-modeling.md2,7 Ko
    • references/sft-training.md3,3 Ko
    • SKILL.md11,7 Ko

    Origine et licence

    Référencée sans modification

    Auteur
    davila7
    Source
    github.com/davila7/claude-code-templates/tree/f57964ebda91cdfb31755661ecea9395f30020f1/cli-tool/components/skills/ai-research/post-training-trl-fine-tuning
    Licence
    MIT

    Notice

    « post-training-trl-fine-tuning » (davila7, MIT) livré dans sa version d'origine : fiche en français et en anglais par PalateKit.

    Avis des utilisateurs

    –

    Aucune note pour l'instant

    Chargement des avis…

    Supprimer votre avis ?

    Votre note et votre commentaire seront retirés de la fiche.