@akshay_pachaar: 如果要定制LLM，我会学习的微调技术：收藏此推。1. LoRA 2. QLoRA 3. Prefix Tuning 4. A…

X AI KOLs Following 工具
fine-tuning llm open-source grpo reinforcement-learning multi-step-agents

摘要

该推文列出了15种LLM微调技术，并介绍了ART（Agent Reinforcement Trainer），这是OpenPipe的一个开源框架，用于使用GRPO训练多步骤代理，并通过W&B Training提供无服务器强化学习支持。

如果我要定制LLM，我会学习的微调技术： 收藏此推。 1. LoRA 2. QLoRA 3. Prefix Tuning 4. Adapter Tuning 5. Instruction Tuning 6. P-Tuning 7. BitFit 8. Soft Prompts 9. RLHF 10. RLAIF 11. DPO (Direct Preference Optimization) 12. GRPO (Group Relative Policy Optimization) 13. RLAIF (RL with AI Feedback) 14. Multi-Task Fine-Tuning 15. Federated Fine-Tuning 既然我们在谈论微调，我在2026年写了一篇关于使用强化学习微调LLM的完整分析。包括如何通过自动LLM评分奖励来跳过手动奖励工程。 而这一切都通过一个100%开源解决方案完成：http://github.com/openpipe/art 文章引用如下。
查看原文
查看缓存全文

缓存时间: 2026/07/10 14:14

Agent 强化训练器

使用 GRPO 训练面向现实任务的多步 Agent。

相似文章

使用ART微调多模态大语言模型：基于艺术强化训练

Hugging Face Daily Papers

ART（基于艺术强化训练）通过梯度反向传播优化原始视觉输入，实现对冻结的多模态大语言模型的参数高效微调，其性能与LoRA相当，同时支持为vLLM等高吞吐引擎预编译的计算图。