trl-training：用 TRL 做 LLM 后训练与对齐的 Agent Skill
trl-training 是 Hugging Face Skills 仓库中的工作流 Skill，指导 Agent 使用 TRL（Transformers Reinforcement Learning）编写或调试 SFT、DPO、GRPO、KTO 与奖励模型训练代码，并覆盖数据集格式、SFTConfig/GRPOConfig 要点与 trl CLI。文章说明其与 huggingface-llm-trainer 的分工、hf skills add 安装方式，以及基于官方示例的可复现用法与 GRPO、vLLM 等注意事项。
阅读全文huggingface-llm-trainer：在 Hugging Face Jobs 上用 TRL/Unsloth 微调大模型
huggingface-llm-trainer 是 Hugging Face 官方 Skills 仓库中的 Agent Skill，指导编码助手在 Hugging Face Jobs 托管 GPU 上通过 TRL 或 Unsloth 完成 SFT、DPO、GRPO、奖励模型训练及 GGUF 转换。文章说明其定位、核心能力、hf_jobs() 与 Trackio 约束、UV 脚本提交流程，以及 Pro/Team 账号、HF_TOKEN、timeout 与数据集格式等开训前检查项，并给出 Cursor、Claude Code、Codex 的安装路径。
阅读全文