home/categories/machine-learning/orchestra-research-ai-research-skills-06-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
Orchestra-Research
আপডেট হয়েছে 11/20/2025
স্টার
6563
ফর্ক
515
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