察元AI教程库 · 仓库 · 微调

llm-finetuning

先进的 LLM 微调技术：SFT（LoRA、QLoRA、DoRA、P-/前缀调优）、GRPO、DPO、ORPO、KTO 和 PPO；支持可组合的正确性/格式奖励以及 LLM-as-a-Judge 评估（DeepEval、Evidently AI），涵盖数学、多跳、医疗及通用问答任务，适用于 Llama 3、Mistral、Phi-4、Gemma 和 Qwen3。基于 TRL 和 PEFT 构建

作者:avnlp · 语言:en

前往原址学习

简介

先进的 LLM 微调技术：SFT（LoRA、QLoRA、DoRA、P-/前缀调优）、GRPO、DPO、ORPO、KTO 和 PPO；支持可组合的正确性/格式奖励以及 LLM-as-a-Judge 评估（DeepEval、Evidently AI），涵盖数学、多跳、医疗及通用问答任务，适用于 Llama 3、Mistral、Phi-4、Gemma 和 Qwen3。基于 TRL 和 PEFT 构建

返回教程库 · 察元AI产品家族