# trl-training

Помогает писать и отлаживать постобучение языковых моделей через TRL: SFT, DPO, GRPO, KTO и обучение модели награды.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 909 установок · ★ 11213
- Автор: huggingface
- Лицензия: Apache-2.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/huggingface/skills/tree/HEAD/skills/trl-training/SKILL.md
- Обновлён: 2026-10-23
- HTML: https://affpapa.org/nevibecode/skills/trl-training

## Что делает

Скилл направляет работу с Python API и CLI TRL при постобучении языковых моделей. Он охватывает `SFTTrainer`, `DPOTrainer`, `GRPOTrainer`, `DistillationTrainer`, `KTOTrainer` и `RewardTrainer`; конфигурации этих тренеров расширяют `transformers.TrainingArguments`.

Он помогает выбрать формат датасета для метода обучения: пары выбранного и отклонённого ответов для DPO, промпты и функцию награды для GRPO, отдельные метки предпочтений для KTO. Для диалоговых данных шаблон чата применяется автоматически, поэтому вручную добавлять его не следует. Экспериментальные тренеры из `trl.experimental` имеют нестабильный API — это повод не рассчитывать на неизменность их интерфейса.

Для SFT разбираются `max_length`, упаковка последовательностей, `padding_free`, Liger kernels и расчёт потерь только по ответам ассистента. В GRPO функция награды должна вернуть `list[float]` для завершений; размер пакета генерации делится на `num_generations`, значение по умолчанию — `8`. Скилл также учитывает запуск через `trl sft`, YAML-конфигурацию и `accelerate`.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add huggingface/skills --skill trl-training -a claude-code
```

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

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add huggingface/skills --skill trl-training -a codex
```

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

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add huggingface/skills --skill trl-training -a cursor
```

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

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install huggingface/skills trl-training
```

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

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add huggingface/skills --skill trl-training -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/huggingface/skills --path skills/trl-training
```

### Windsurf (Devin Desktop)

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

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add huggingface/skills --skill trl-training -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/huggingface/skills/tree/HEAD/skills/trl-training/SKILL.md

## Когда брать
- написать код SFT с `SFTTrainer` и `SFTConfig`
- подготовить датасет пар предпочтений для `DPOTrainer`
- реализовать функцию награды для `GRPOTrainer`
- настроить LoRA через `peft_config=LoraConfig(...)`
- запустить обучение командой `trl sft`

## Примеры запросов агенту
- Помоги написать обучение SFT на `SFTTrainer` для моего датасета.
- Проверь функцию награды для `GRPOTrainer`: почему она получает диалоговые завершения?
- Собери команду `trl sft` с YAML-конфигурацией и `--accelerate_config zero3`.

## Похожие
- [grpo-rlvr-training](https://affpapa.org/nevibecode/skills/grpo-rlvr-training.md) — скилл · 2600 установок
- [fine-tuning-with-trl](https://affpapa.org/nevibecode/skills/fine-tuning-with-trl.md) — скилл · 969 установок
- [torchforge-rl-training](https://affpapa.org/nevibecode/skills/torchforge-rl-training.md) — скилл · 946 установок
- [finetuning-method-selection](https://affpapa.org/nevibecode/skills/finetuning-method-selection.md) — скилл · 2600 установок
- [nv-reason-cxr](https://affpapa.org/nevibecode/skills/nv-reason-cxr.md) — скилл · 1800 установок
- [transformers-huggingface](https://affpapa.org/nevibecode/skills/transformers-huggingface.md) — скилл · 758 установок

Из того же набора: [huggingface/skills](https://affpapa.org/nevibecode/by/huggingface/skills.md) — 25 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