Тэг
TRL
01.
Асинхронный GRPO с LoRA на Hugging Face Jobs: настройка vLLM, прокси и Storage Buckets
Разбор архитектуры асинхронного обучения с подкреплением (AsyncGRPO) с использованием LoRA-адаптеров в библиотеке TRL v1.14. Показываем, как организовать взаимодействие узлов без межсерверного NCCL через Hugging Face Storage Buckets и умный прокси-маршрутизатор, ускоряющий процесс обучения почти в 4 раза.
Читать далее
02.
Аудит предпочтений и дообучение языковых моделей с помощью DPO
2026-08-21 Нейросети и AI
Разбор сквозного пайплайна настройки языковых моделей методом Direct Preference Optimization на датасете Anthropic HH-RLHF с учетом анализа длины ответов и лексических искажений.
Читать далее
01.
