Ajusta finamente LLMs usando aprendizaje por refuerzo con TRL — SFT para ajuste por instrucciones, DPO para alineación de preferencias, PPO/GRPO para optim…
Ajusta finamente LLMs usando aprendizaje por refuerzo con TRL — SFT para ajuste por instrucciones, DPO para alineación de preferencias, PPO/GRPO para optimiz...
Esta página forma parte del hub OpenClaw Skills con guías de instalación, categorías y enlaces prácticos.