# torchforge-rl-training

Скилл объясняет обучение агентных RL-моделей на PyTorch через torchforge. Пригодится для GRPO, SFT и экспериментов с распределённым обучением.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 946 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/torchforge/SKILL.md
- Обновлён: 2026-10-11
- HTML: https://affpapa.org/nevibecode/skills/torchforge-rl-training

## Что делает

Скилл помогает агенту работать с torchforge — PyTorch-библиотекой для агентного reinforcement learning. Она отделяет алгоритмы от инфраструктуры: в материалах разобраны GRPO, DAPO, SAPO и другие функции потерь, а также связка TorchTitan для обучения, vLLM для инференса и Monarch для распределённых сервисов.

Внутри есть инструкции по SFT, GRPO для математического reasoning, собственным loss-функциям и multi-GPU-конфигурациям. Приведены конфиги, примеры reward-функций и команды запуска `python -m apps.sft.main --config apps/sft/llama3_8b.yaml` и `python -m apps.grpo.main --config apps/grpo/qwen3_1_7b.yaml`. Для установки используются `torch>=2.9.0`, `torchtitan>=0.2.0`, `vllm` и `monarch`; предусмотрен отдельный скрипт для ROCm.

Для SFT нужно 2+ GPU, а пример GRPO рассчитан на 3+ GPU, включая отдельные роли trainer, ref_model и generator. torchforge экспериментален, и его API может меняться, поэтому это повод проверить код перед переносом в стабильный пайплайн.

## Установка

### Claude Code (родная платформа)

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

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

### Codex

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

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

### Cursor

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

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

### GitHub Copilot

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

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

### Gemini CLI

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

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

### Windsurf (Devin Desktop)

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

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill torchforge -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/torchforge/SKILL.md

## Когда брать
- настроить SFT-обучение на PyTorch
- запустить GRPO для математических задач
- описать собственную функцию потерь
- распределить обучение между несколькими GPU

## Примеры запросов агенту
- Настрой SFT через torchforge для модели из `apps/sft/llama3_8b.yaml` и объясни команду запуска.
- Создай конфигурацию GRPO для `openai/gsm8k`, добавь reward-функцию и запусти `python -m apps.grpo.main --config config/grpo_math.yaml`.
- Покажи, как встроить собственный `CustomLoss` в цикл обучения torchforge и учти требования к GPU.

## Похожие
- [trl-training](https://affpapa.org/nevibecode/skills/trl-training.md) — скилл · 909 установок
- [finetuning-method-selection](https://affpapa.org/nevibecode/skills/finetuning-method-selection.md) — скилл · 2600 установок
- [grpo-rlvr-training](https://affpapa.org/nevibecode/skills/grpo-rlvr-training.md) — скилл · 2600 установок
- [stable-baselines3](https://affpapa.org/nevibecode/skills/stable-baselines3.md) — скилл · 1900 установок
- [nemo-automodel-distributed-training](https://affpapa.org/nevibecode/skills/nemo-automodel-distributed-training.md) — скилл · 2000 установок
- [nemo-mbridge-mlm-bridge-training](https://affpapa.org/nevibecode/skills/nemo-mbridge-mlm-bridge-training.md) — скилл · 1800 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