先看看示例
作者提供的示例，实际效果取决于你的输入和使用工具。
输入
编辑构造材料（未运行）：
源中公开示例模型 Qwen/Qwen2.5-0.5B、数据集 trl-lib/Capybara；计划 SFT 1 个 epoch，单设备 batch=1、累积 8，输出本地 ./sft_trial，不发布。
输出
编辑示例 · 未运行
model_name_or_path: Qwen/Qwen2.5-0.5B
dataset_name: trl-lib/Capybara
num_train_epochs: 1
per_device_train_batch_size: 1
gradient_accumulation_steps: 8
learning_rate: 0.00002
output_dir: ./sft_trial
push_to_hub: false执行入口为 trl sft --config sft_config.yaml；尚未训练，版本、数据格式和许可需再确认。
方法说明
通过 TRL CLI 与 YAML 配置运行 SFT、DPO、GRPO 等训练方法。 具体任务 准备一份小规模 SFT 训练配置：通过 TRL CLI 与 YAML 配置运行 SFT、DPO、GRPO 等训练方法。 必需材料 已核实的模型与数据集 ID 或本地路径 训练方法、数据字段和算力限制 可选材料 现有训练配置 评估集与日志方式 使用门槛 熟悉 Python、Transformer 训练与数据集结构，拥有获准训练材料。 这个 Skill 额外提供的方法 将方法、超参和输出目录固化到 YAML，再用 TRL CLI 执行；显存不足时平衡微批与梯度累积。 编辑示例（未运行） 准备一份小规模 SFT 训练配置 任务：准备一份小规模 SFT 训练配置 输入： 编辑构造材料（未运行）： 源中公开示例模型 Qwen/Qwen2.5-0.5B、数据集 trl-lib/Capybara；计划 SFT 1 个 epoch，单设备 batch=1、累积 8，输出本地 ./sft_trial，不发布。 结果片段： ```yaml model_name_or_path: Qwen/Qwen2.5-0.5B dataset_name: trl-lib/Capybara num_train_epochs: 1 per_device_train_batch_size: 1 gradient_accumulation_steps: 8 learning_rate: 0.00002 output_dir: ./sft_trial push_to_hub: false ``` 执行入口为 trl sft --config sft_config.yaml；尚未训练，版本、数据格式和许可需再确认。 这是依据固定入口方法撰写的编辑示例，没有运行上游 Skill 或访问真实账号。将方法、超参和输出目录固化到 YAML，再用 TRL CLI 执行；显存不足时平衡微批与梯度累积。 首次任务 请使用已安装的 trl-training Skill。 任务：准备一份小规模 SFT 训练配置。 我的必需材料： - 已核实的模型与数据集 ID 或本地路径：[粘贴我的实际材料或路径；缺少时写明] - 训练方法、数据字段和算力限制：[粘贴我的实际材料或路径；缺少时写明] 可选补充： - 现有训练配置：[可选，未提供时不要假定存在] - 评估集与日志方式：[可选，未提供时不要假定存在] 请先确认材料是否足够，只处理我提供的范围。先检查配置与小样本；不默认启动付费作业或 push_to_hub，训练效果需独立评估。交付可直接审阅的代码或查询片段，明确尚未执行或验证的部分。不要代入页面例子的虚构数据。 验收： 1. 模型和数据字段符合所选 SFT/DPO 等方法。 2. 有效 batch、输出路径与发布开关一致。 3. 小样本日志、checkpoint 与评估结果真实存在才声明完成。 验收方法 模型和数据字段符合所选 SFT/DPO 等方法。 有效 batch、输出路径与发布开关一致。 小样本日志、checkpoint 与评估结果真实存在才声明完成。 依赖与准备 需要完整 Skill 目录及随附资源。需要 TRL、Transformers、Accelerate 和可用算力；LoRA 另需 PEFT，受限模型需 Hub 认证；多卡按 Accelerate 参考配置。 使用边界 先检查配置与小样本；不默认启动付费作业或 push_to_hub，训练效果需独立评估。 本入口围绕本地 TRL CLI 配置；云训练作业及其权限、计费需要另行配置。 页面中的例子为编辑撰写，未运行上游 Skill；不代表平台兼容认证或生产实测。 排错 数据加载失败：核对 dataset config 与训练方法期望字段。 CUDA OOM：先缩微批或序列并评估梯度累积，记录变更，不直接提高预算。 固定来源 https://github.com/huggingface/skills/blob/80f9fa530e46f4ae642fcb9e1725bad0e1979395/skills/trl-training/SKILL.md 许可 Apache-2.0。许可原文：https://github.com/huggingface/skills/blob/80f9fa530e46f4ae642fcb9e1725bad0e1979395/LICENSE 仓库热度 huggingface/skills 仓库 11,117 Stars（2026-09-30 核验）；这是父仓库指标，不是单个 Skill 的评分。