NeVibeCode · 2 карточки
Скиллы и MCP с тегом «trl»
preference-optimization скилл Помогает выбрать и настроить метод выравнивания LLM: DPO, ORPO, KTO или SimPO. Пригодится при наличии пар предпочтений или бинарных оценок пользователей.
Claude Code CX Codex Cursor
2 600установок
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
