Transformers 强化学习¶

Transformers强化学习（TRL）是一个全栈库，提供了一套工具，用于通过监督微调（SFT）、组相对策略优化（GRPO）、直接偏好优化（DPO）、奖励建模等方法训练Transformer语言模型。该库与🤗 transformers集成。

在线方法如GRPO或Online DPO需要模型生成补全内容。vLLM可用于生成这些补全结果！

更多信息请参阅TRL文档中的指南vLLM for fast generation in online methods。