MLOps · 训练Hermes Agent官方/原始条目

fine-tuning-with-trl

使用 TRL 进行强化学习微调 LLM - SFT 用于指令调优，DPO 用于偏好对齐，PPO/GRPO 用于奖励优化，以及奖励模型训练。适用于需要 RLHF、对齐模型偏好或从人类反馈中训练的场景。兼容 HuggingFace Tr…

Hermes 内置已收录来源排名 #58

一句话说明

使用 TRL 进行强化学习微调 LLM - SFT 用于指令调优，DPO 用于偏好对齐，PPO/GRPO 用于奖励优化，以及奖励模型训练。适用于需要 RLHF、对齐模型偏好或从人类反馈中训练的场景。兼容 HuggingFace Tr…

适合：使用 TRL 进行强化学习微调 LLM - SFT 用于指令调优，DPO 用于偏好对齐，PPO/GRPO 用于奖励优化，以及奖励模型训练。适用于需要 RLHF、对齐模型偏好或从人类反馈中训练的场景。兼容 HuggingFace Tr…

先确认你的 Agent 支持 Skill，再按原文说明完成安装。

无需单独安装或暂未提供命令

这是 Hermes Agent 的内置 Skill，安装 Hermes Agent 后可按官方 Skill Catalog 调用。

执行安装命令前，请检查仓库来源、依赖、权限和脚本内容，不要把密钥直接写进命令或公开配置。

从公开说明中提炼的能力与适用范围。

使用 TRL 进行强化学习微调 LLM – SFT 用于指令调优，DPO 用于偏好对齐，PPO/GRPO 用于奖励优化，以及奖励模型训练。适用于需要 RLHF、对齐模型偏好或从人类反馈中训练的场景。兼容 HuggingFace Tr…

这是 Hermes Agent 安装后自带的 Skill。实际可用能力、依赖和路径请以 Hermes Agent 当前版本的 Skill Catalog 文档为准。

快速判断它是否适合你的任务。

推荐理由

适合已经使用 Hermes Agent，并希望直接调用内置能力的用户。

使用 TRL 进行强化学习微调 LLM - SFT 用于指令调优，DPO 用于偏好对齐，PPO/GRPO 用于奖励优化，以及奖励模型训练。适用于需要 RLHF、对齐模型偏好或从人类反馈中训练的场景。兼容 HuggingFace Tr…

安装和功能变化以原始资料为准。