NeVibeCode · 2 карточки
Скиллы и MCP с тегом «reinforcement-learning»
grpo-rlvr-training скилл Скилл помогает настроить обучение моделей рассуждениям через GRPO и RLVR с проверяемыми наградами. Пригодится для задач с тестами, схемами и точными ответами.
Claude Code CX Codex Cursor
2 600установок
spinning-up-deep-rl скилл Скилл даёт Claude Code базу по deep RL, алгоритмам и отладке. Пригодится для разбора MDP, policy gradients и экспериментов с несколькими seed.
Claude Code
8установок
