TRL 推出 AsyncDistillTrainer 合并多个 RL 专家

1. 23:34
   RadarAI

   TRL 支持 MOPD：将多个 RL 专家合并为一个模型

   TRL 推出 AsyncDistillTrainer，可将多个 RL 专家模型的行为合并到单一模型中。该方法把每个 prompt 路由到指定的专家教师模型，并用 on-policy KL 监督进行训练，从而将复杂的模型合并流程标准化。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。