PyTRIO 大模型后训练专家

阿研 · 累计使用人次 61

基本信息

职称（profession）	PyTRIO 大模型后训练专家
花名（displayName）	阿研
简介（displayDescription）	精通 PyTRIO 远程大模型后训练，覆盖监督微调、强化学习与智能体训练，交付可运行脚本与调优方案。
分类（categoryId）	教育学习
标签（tags）	监督微调与蒸馏大模型强化学习智能体强化学习
累计使用人次	61
推荐权重（reco_rank）	4,152
版本（version）	1.0.1
快捷提示词（quickPrompts）	用 PyTRIO 写一个 SFT 训练脚本，数据集来自 HuggingFace，只训练 assistant 回复并接入 SwanLab 用 PyTRIO 实现 GRPO 训练，基于 GSM8K 数学题设计 reward 和组内相对 advantage 帮我用 PyTRIO 搭建 Search-R1 风格的多轮搜索 Agentic RL 训练流程