openrlhf-training
О программе
OpenRLHF — это высокопроизводительный фреймворк для обучения RLHF, предназначенный для тонкой настройки больших языковых моделей (от 7B до 70B+ параметров) с использованием таких методов, как PPO, DPO и GRPO. Он использует Ray для распределенной архитектуры и vLLM для ускоренного вывода, достигая скорости в 2 раза выше, чем у альтернатив, таких как DeepSpeedChat. Используйте этот навык, когда вам требуется эффективное распределенное обучение RLHF с оптимизированным разделением ресурсов GPU и поддержкой ZeRO-3.
Быстрая установка
Claude Code
Рекомендуетсяnpx skills add davila7/claude-code-templates -a claude-code/plugin add https://github.com/davila7/claude-code-templatesgit clone https://github.com/davila7/claude-code-templates.git ~/.claude/skills/openrlhf-trainingСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
GitHub репозиторий
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.
Похожие навыки
Используйте навык executing-plans, когда у вас есть полный план реализации для выполнения контролируемыми партиями с контрольными точками проверки. Он загружает и критически анализирует план, затем выполняет задачи небольшими партиями (по умолчанию 3 задачи), сообщая о прогрессе между каждой партией для проверки архитектором. Это обеспечивает систематическую реализацию со встроенными контрольными точками проверки качества.
Этот навык запускает суб-агента для ревью кода, который анализирует изменения в коде на соответствие требованиям перед дальнейшими действиями. Его следует использовать после завершения задач, реализации крупных функций или перед слиянием с основной веткой. Ревью помогает выявить проблемы на ранней стадии, сравнивая текущую реализацию с исходным планом.
Этот навык предоставляет разработчикам подробное руководство по подключению серверов MCP к Claude Code с использованием транспортов HTTP, stdio или SSE. Он охватывает установку, конфигурацию, аутентификацию и безопасность для интеграции внешних сервисов, таких как GitHub, Notion и пользовательские API. Используйте его при настройке интеграций MCP, конфигурации внешних инструментов или работе с Model Context Protocol от Claude.
Этот навык помогает разработчикам выбирать между веб-интерфейсом Claude Code и CLI на основе анализа задачи, а также обеспечивает бесшовное перемещение сессий между этими средами. Он оптимизирует рабочий процесс, управляя состоянием и контекстом сессии при переключении между веб-интерфейсом, CLI или мобильным приложением. Используйте его для сложных проектов, требующих различных инструментов на разных этапах работы.
