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.

Entraînement RLHF à grande échelle avec OpenRLHF v1.0.0

Utilisez cette ressource pour entraîner de grands modèles par RLHF (PPO, GRPO, DPO) avec OpenRLHF

Nouveau

  • 320 téléchargements
  • 241 mentions J'aime
  • 192 sauvegardes

Gratuit

Installer avec la CLI

Dans un terminal, depuis le dossier voulu :

npx --yes palatekit@latest install openrlhf-rlhf-training

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 vous aide à installer OpenRLHF, à enchaîner un pipeline SFT, modèle de récompense puis PPO, ou à lancer un entraînement GRPO ou DPO sans modèle critique. Il indique aussi comment passer à plusieurs nœuds. Vous obtenez des commandes d'entraînement prêtes à adapter.

Choisie surtout par

Mise à jour le 2 novembre 2026

Carte de la skill « Entraînement RLHF à grande échelle avec OpenRLHF »

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 : installation, commandes et workflows PPO, GRPO et DPO
  • references/multi-node-training.md : entraînement sur plusieurs nœuds
  • references/custom-rewards.md : fonctions de récompense personnalisées

Pour qui

  • Vous alignez un modèle de 7 à 70 milliards de paramètres sur des préférences
  • Vous voulez comparer PPO, GRPO et DPO sur votre jeu de données

Pas pour qui

    Étiquettes

    • rlhf
    • llm
    • entraînement

    À propos

    Vous dites

    « Mets en place un pipeline DPO pour aligner mon modèle Qwen 7B sur mes paires de préférences. »

    Carte de la skill « Entraînement RLHF à grande échelle avec OpenRLHF »

    Skill publiée par Orchestra Research 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 entraîner de grands modèles par RLHF (PPO, GRPO, DPO) avec OpenRLHF
    3. Relisez et ajustez le résultat

    Aperçu du contenu

    Fichiers

    • LICENSE1,1 Ko
    • NOTICE-PALATEKIT.md0,5 Ko
    • references/algorithm-comparison.md9,9 Ko
    • references/custom-rewards.md16 Ko
    • references/hybrid-engine.md7,4 Ko
    • references/multi-node-training.md11,3 Ko
    • SKILL.md8,4 Ko

    Origine et licence

    Référencée sans modification

    Auteur
    Orchestra Research
    Source
    github.com/davila7/claude-code-templates/tree/f57964ebda91cdfb31755661ecea9395f30020f1/cli-tool/components/skills/ai-research/post-training-openrlhf
    Licence
    MIT

    Notice

    « post-training-openrlhf » (Orchestra Research, 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.