Skip to main content
Back to top
Ctrl
+
K
开始使用
安装
语言模型微调
多模态大模型微调
[Beta] RL: GRPO训练GSM8K
预训练与微调
使用 Trainer 进行大模型微调
使用 Trainer 进行多模态大模型微调
训练配置
数据集
对话模板说明
强化学习
[Beta] 使用 Python 配置自定义 GRPO 训练
进阶教程
微调与预训练
模型
数据流
损失函数
FP8 训练
性能分析
强化学习
模型
自定义数据集
AgentLoop
RL Trainer 高级使用
Judger
损失函数
Benchmark
Megatron MoE训练benchmark及调优指南
旧版文档
欢迎来到 XTuner 的中文文档
安装
快速上手
预训练模型权重
准备对话模版
开源指令微调数据集（LLM）
自定义指令微调数据集（LLM）
自定义预训练数据集 (LLM)
多模态数据集 (VLM)
超大规模数据集
修改训练配置
可视化训练过程
DPO 介绍
DPO 快速上手
修改 DPO 训练配置
Reward Model 介绍
Reward Model 快速上手
修改 Reward Model 训练配置
偏好数据集
DeepSpeed
Flash Attention
Varlen Attention
数据拼接
数据分组
序列并行
调整加速策略
速度基准
主要差异
Tokenized 数据集 + InternLM2
Processed 数据集 + InternLM2
Processed 数据集 + 其他模型
Processed 普通对话数据集
API
Pretrain & SFT Trainer
xtuner.v1.train.trainer.Trainer
xtuner.v1.train.toy_tokenizer.UTF8ByteTokenizer
Config
xtuner.v1.config.FSDPConfig
xtuner.v1.config.OptimConfig
xtuner.v1.config.AdamWConfig
xtuner.v1.config.LRConfig
xtuner.v1.config.GenerateConfig
RL Trainer
xtuner.v1.train.rl_trainer.RLColocateTrainer
xtuner.v1.train.rl_trainer.RLColocateTrainerConfig
xtuner.v1.train.rl_trainer.RLDisaggregatedTrainer
xtuner.v1.train.rl_trainer.RLDisaggregatedTrainerConfig
RL Config
xtuner.v1.rl.utils.AcceleratorResourcesConfig
xtuner.v1.rl.utils.CPUResourcesConfig
xtuner.v1.rl.rollout.worker.RolloutConfig
xtuner.v1.rl.agent_loop.SingleTurnAgentLoopConfig
xtuner.v1.rl.agent_loop_manager.AgentLoopManagerConfig
xtuner.v1.rl.agent_loop_manager.TaskSpecConfig
xtuner.v1.rl.agent_loop_manager.SamplerConfig
xtuner.v1.rl.agent_loop_manager.SyncProduceStrategyConfig
xtuner.v1.rl.agent_loop_manager.AsyncProduceStrategyConfig
xtuner.v1.rl.judger.JudgerConfig
xtuner.v1.rl.judger.GSM8KJudgerConfig
xtuner.v1.rl.judger.ComposedJudgerConfig
xtuner.v1.rl.replay_buffer.SyncReplayBufferConfig
xtuner.v1.rl.replay_buffer.AsyncReplayBufferConfig
xtuner.v1.rl.evaluator.EvaluatorConfig
xtuner.v1.rl.trainer.WorkerConfig
xtuner.v1.rl.loss.BaseRLLossConfig
xtuner.v1.rl.loss.GRPOLossConfig
xtuner.v1.rl.loss.OrealLossConfig
xtuner.v1.rl.rollout_is.RolloutImportanceSampling
Loss Context
xtuner.v1.loss.ce_loss.CELossConfig
xtuner.v1.loss.ce_loss.CELossKwargs
xtuner.v1.loss.ce_loss.CELossContext
xtuner.v1.rl.loss.BaseRLLossConfig
xtuner.v1.rl.loss.BaseRLLossKwargs
xtuner.v1.rl.loss.BaseRLLossContext
xtuner.v1.rl.loss.GRPOLossConfig
xtuner.v1.rl.loss.GRPOLossKwargs
xtuner.v1.rl.loss.GRPOLossContext
xtuner.v1.rl.loss.OrealLossConfig
xtuner.v1.rl.loss.OrealLossKwargs
xtuner.v1.rl.loss.OrealLossContext
.rst
.pdf
xtuner.v1.rl.loss.GRPOLossKwargs
目录
GRPOLossKwargs
xtuner.v1.rl.loss.GRPOLossKwargs
#
xtuner.v1.rl.loss.
GRPOLossKwargs
[源代码]
#
GRPOLossKwargs
的别名
目录
GRPOLossKwargs
