Hugging Face 转发 Sergio Paniego：文章《MOPD：前沿实验室如何把多个 RL 专家合并成一个模型，以及如何用 TRL 实现》。TRL 现已支持 MOPD：As...
Hugging Face 转发 Sergio Paniego：文章《MOPD：前沿实验室如何把多个 RL 专家合并成一个模型，以及如何用 TRL 实现》。TRL 现已支持 MOPD：AsyncDistillationTrainer 会把每条提示路由给它专属的专家教师模型，同步版 DistillationTrainer 的支持也将在 #7215 中到来。如果你已经了解 MOPD……