trl-training：用 TRL 做 LLM 後訓練與對齊的 Agent Skill
trl-training 是 Hugging Face Skills 倉庫中的工作流 Skill，指導 Agent 使用 TRL（Transformers Reinforcement Learning）編寫或調試 SFT、DPO、GRPO、KTO 與獎勵模型訓練代碼，並覆蓋數據集格式、SFTConfig/GRPOConfig 要點與 trl CLI。文章說明其與 huggingface-llm-trainer 的分工、hf skills add 安裝方式，以及基於官方示例的可復現用法與 GRPO、vLLM 等注意事項。
閱讀全文huggingface-llm-trainer：在 Hugging Face Jobs 上用 TRL/Unsloth 微調大模型
huggingface-llm-trainer 是 Hugging Face 官方 Skills 倉庫中的 Agent Skill，指導編碼助手在 Hugging Face Jobs 託管 GPU 上通過 TRL 或 Unsloth 完成 SFT、DPO、GRPO、獎勵模型訓練及 GGUF 轉換。文章說明其定位、核心能力、hf_jobs() 與 Trackio 約束、UV 腳本提交流程，以及 Pro/Team 賬號、HF_TOKEN、timeout 與數據集格式等開訓前檢查項，並給出 Cursor、Claude Code、Codex 的安裝路徑。
閱讀全文