MCP HubMCP Hub
SKILL·4A2B3B

openrlhf-training

davila7
更新日 2 months ago
486 閲覧
18,478
1,685
18,478
GitHubで表示
デザインPost-TrainingOpenRLHFRLHFPPOGRPORLOODPORayvLLMDistributed TrainingLarge ModelsZeRO-3

について

OpenRLHFは、PPO、DPO、GRPOなどの手法を用いて大規模言語モデル(7B〜70B+パラメータ)をファインチューニングするための高性能RLHFトレーニングフレームワークです。分散アーキテクチャにRayを、高速推論にvLLMを活用し、DeepSpeedChatなどの代替ソリューションに比べて2倍の速度を実現しています。効率的な分散RLHFトレーニング、最適化されたGPUリソース共有、ZeRO-3サポートが必要な場合に、このスキルをご利用ください。

クイックインストール

Claude Code

推奨
メイン
npx skills add davila7/claude-code-templates -a claude-code
プラグインコマンド代替
/plugin add https://github.com/davila7/claude-code-templates
Git クローン代替
git clone https://github.com/davila7/claude-code-templates.git ~/.claude/skills/openrlhf-training

このコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします

GitHub リポジトリ

davila7/claude-code-templates
パス: cli-tool/components/skills/ai-research/post-training-openrlhf
0
anthropicanthropic-claudeclaudeclaude-code
FAQ

Frequently asked questions

What is the openrlhf-training skill?

openrlhf-training is a Claude Skill by davila7. Skills package instructions and resources that Claude loads on demand, so Claude can perform openrlhf-training-related tasks without extra prompting.

How do I install openrlhf-training?

Use the install commands on this page: add openrlhf-training to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.

What category does openrlhf-training belong to?

openrlhf-training is in the Design category, tagged Post-Training, OpenRLHF, RLHF, PPO, GRPO and RLOO.

Is openrlhf-training free to use?

Yes. openrlhf-training is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.

関連スキル

executing-plans
デザイン

executing-plansスキルは、完全な実装計画があり、それを管理されたバッチでレビューチェックポイントを設けながら実行する場合に使用します。このスキルは計画を読み込んで批判的にレビューした後、小さなバッチ(デフォルトは3タスク)でタスクを実行し、各バッチの間に進捗状況を報告してアーキテクトのレビューを受けます。これにより、品質管理チェックポイントが組み込まれた体系的な実装が保証されます。

スキルを見る
requesting-code-review
デザイン

このスキルは、コードレビュアーサブエージェントを起動し、処理を進める前に要件に対してコード変更を分析します。タスク完了後、主要な機能の実装後、またはmainブランチへのマージ前などに使用すべきです。このレビューは、現在の実装と元の計画を比較することで、問題を早期に発見するのに役立ちます。

スキルを見る
connect-mcp-server
デザイン

このスキルは、開発者がHTTP、stdio、またはSSEトランスポートを使用してMCPサーバーをClaude Codeに接続するための包括的なガイドを提供します。GitHub、Notion、カスタムAPIなどの外部サービスを統合するためのインストール、設定、認証、セキュリティについて解説しています。MCP統合のセットアップ、外部ツールの設定、またはClaudeのModel Context Protocolを扱う際にご利用ください。

スキルを見る
web-cli-teleport
デザイン

このスキルは、タスク分析に基づいて開発者がClaude Code WebとCLIインターフェースの選択を支援し、これらの環境間でのシームレスなセッションテレポーテーションを可能にします。Web、CLI、モバイル環境を切り替える際のセッション状態とコンテキストを管理することで、ワークフローを最適化します。様々な段階で異なるツールを必要とする複雑なプロジェクトにご活用ください。

スキルを見る