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.

Affiner et aligner des LLM avec TRL v1.0.0

Utilisez cette ressource pour affiner un LLM par SFT, DPO ou GRPO et entraîner un modèle de récompense

Nouveau

  • 579 téléchargements
  • 106 mentions J'aime
  • 229 sauvegardes

Gratuit

Installer avec la CLI

Dans un terminal, depuis le dossier voulu :

npx --yes palatekit@latest install trl-sft-dpo-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 guide pour installer TRL, lancer un fine-tuning supervisé, aligner le modèle sur des paires de préférences avec DPO, puis entraîner un modèle de récompense pour un pipeline RLHF complet. Il s'appuie sur Transformers.

Choisie surtout par

Mise à jour le 2 novembre 2026

Carte de la skill « Affiner et aligner des 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 : installation, SFT, DPO et pipeline RLHF de base
  • references/sft-training.md, dpo-variants.md, reward-modeling.md et online-rl.md : SFT, variantes DPO, modèles de récompense et RL en ligne

Pour qui

  • Vous voulez aligner un modèle sur les préférences de vos utilisateurs
  • Vous construisez un pipeline RLHF complet avec Hugging Face

Pas pour qui

    Étiquettes

    • rlhf
    • dpo
    • sft
    • alignement

    À propos

    Vous dites

    « Fais un SFT puis un DPO de Qwen 0.5B sur mes paires de réponses préférées. »

    Carte de la skill « Affiner et aligner des LLM avec TRL »

    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 affiner un LLM par SFT, DPO ou GRPO et entraîner un modèle de récompense
    3. Relisez et ajustez le résultat

    Aperçu du contenu

    Fichiers

    • LICENSE1,1 Ko
    • NOTICE-PALATEKIT.md0,5 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.md11,6 Ko

    Origine et licence

    Référencée sans modification

    Auteur
    Orchestra Research
    Source
    github.com/orchestra-research/ai-research-skills/tree/773a52944ba4747a18bd4ae9ade53fff041adcbc/06-post-training/trl-fine-tuning
    Licence
    MIT

    Notice

    « fine-tuning-with-trl » (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.