home/categories/machine-learning/davila7-claude-code-templates-cli-tool-components-skills-ai-research-post-training-grpo-rl-training-skill-md
machine-learningdata-ai
grpo-rl-training
Expert guidance for GRPO/RL fine-tuning with TRL for reasoning and task-specific model training
maintainer
davila7
আপডেট হয়েছে 1/20/2026
স্টার
17577
ফর্ক
1576
quick start
Installation and usage
Expert guidance for GRPO/RL fine-tuning with TRL for reasoning and task-specific model training
ইনস্টলেশন
$ install --globalskills.sh
ব্যবহার
ইনস্টল করার পর, টার্মিনালে নিচের কমান্ড চালিয়ে আপনি এই স্কিল ব্যবহার করতে পারবেন:
skills use grpo-rl-training