# simpo-training

Готовит обучение языковой модели методом SimPO на парах предпочтений. Нужен, когда DPO требует лишней опорной модели.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 950 установок · ★ 13956
- Автор: Orchestra Research
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/Orchestra-Research/AI-Research-SKILLs/tree/HEAD/06-post-training/simpo/SKILL.md
- Обновлён: 2026-10-11
- HTML: https://affpapa.org/nevibecode/skills/simpo-training

## Что делает

SimPO обучает модель по парам «выбранный/отклонённый» без reference model. Скилл описывает запуск через `scripts/run_simpo.py`, конфигурации `accelerate` и DeepSpeed ZeRO-3, а также настройки `beta`, `gamma_beta_ratio`, `loss_type` и `sft_weight`.

Есть сценарии для базовой Mistral 7B, инструктивной Llama 3 8B и задач с повышенной нагрузкой на рассуждения. При расхождении loss предлагается снизить `learning_rate` или `beta`; при забывании навыков добавить SFT-регуляризацию. Для нехватки памяти предусмотрены меньший batch, накопление градиентов и gradient checkpointing.

Понадобятся `torch`, `transformers`, `datasets`, `trl`, `accelerate`, Flash Attention 2 и Alignment Handbook. Для обучения рекомендуются NVIDIA A100/H100, поэтому это повод заранее проверить доступную VRAM.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill simpo-training -a claude-code
```
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill simpo -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/simpo/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/simpo/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill simpo -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/simpo/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill simpo -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/simpo/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install Orchestra-Research/AI-Research-SKILLs simpo
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/simpo/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill simpo -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/Orchestra-Research/AI-Research-SKILLs --path 06-post-training/simpo
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/simpo/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill simpo -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/Orchestra-Research/AI-Research-SKILLs/tree/HEAD/06-post-training/simpo/SKILL.md

## Когда брать
- обучить модель на парах предпочтений
- запустить SimPO через `accelerate`
- настроить `beta` и целевой отступ
- снизить риск расхождения loss
- уменьшить расход памяти при обучении

## Примеры запросов агенту
- «Подготовь конфигурацию SimPO для Mistral 7B и запусти `scripts/run_simpo.py`.»
- «Настрой `sft_weight` для Llama 3 8B, чтобы сохранить прежние способности модели.»
- «Разберись с OOM при запуске SimPO через DeepSpeed ZeRO-3.»

## Похожие
- [preference-optimization](https://affpapa.org/nevibecode/skills/preference-optimization.md) — скилл · 2600 установок
- [strategic-alignment](https://affpapa.org/nevibecode/skills/strategic-alignment.md) — скилл · 563 установки
- [grpo-rlvr-training](https://affpapa.org/nevibecode/skills/grpo-rlvr-training.md) — скилл · 2600 установок
- [nemo-automodel-distributed-training](https://affpapa.org/nevibecode/skills/nemo-automodel-distributed-training.md) — скилл · 2000 установок
- [nemo-mbridge-perf-moe-vlm-training](https://affpapa.org/nevibecode/skills/nemo-mbridge-perf-moe-vlm-training.md) — скилл · 1800 установок
- [trl-training](https://affpapa.org/nevibecode/skills/trl-training.md) — скилл · 909 установок

Из того же набора: [orchestra-research/ai-research-skills](https://affpapa.org/nevibecode/by/orchestra-research/ai-research-skills.md) — 66 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md