verl-rl-training
โดย firecrawl
ให้คำแนะนำสำหรับการฝึกอบรม LLMs ด้วยการเรียนรู้แบบเสริมกำลังโดยใช้ verl (Volcano Engine RL) ใช้เมื่อนำไปใช้กับ RLHF, GRPO, PPO หรืออัลกอริทึม RL อื่นๆ…
npx skills add https://github.com/firecrawl/ai-research-skills --skill verl-rl-training