Liquid AI 微调食谱整合 SFT DPO GRPO 多模态
GitHub 上的 Liquid4All/cookbook 整合 SFT、DPO、GRPO 等微调方案，覆盖文本及音视频多模态模型，借助 Unsloth 和 TRL 为有限算力下的垂直领域模型提供工程路径。当前仍缺...
TechFoco
DPO 专题
共 2 篇文章，按时间倒序展示。
Hands-On Modern RL：现代强化学习实战指南
一本填补主流教程与行业实践鸿沟的现代强化学习教程。从第一行代码开始训练智能体，涵盖PPO、DPO、GRPO等算法，采用先动手后理论的学习路径，适合学生、工程师和研究人员。
TechFoco
