huggingface/trl

huggingface/trl は Transformers エコシステムを基盤にモデルをポストトレーニングするライブラリで、SFT・DPO・GRPO・KTO のトレーナーと CLI を提供する。最新リリースは v1.16.0 である。

GitHub の説明: Train transformer language models with reinforcement learning.

スター

★ 19.6K

フォーク

3.1K

言語

Python

ライセンス

Apache-2.0

最新リリース

v1.16.0