Dans l'actualité
Async GRPO with LoRA across HF Jobs: a bucket, a proxy, and no NCCL
Hugging Face · Publié le · 3 min de lecture
En 30 secondes
- Ce qui s'est passé
- TRL v1.14 ajoute le support LoRA dans AsyncGRPOTrainer, synchronisant uniquement les poids adaptateurs au lieu des modèles complets entre les jobs distribués.
- Pourquoi ça compte
- Ingénieurs scalant l'entraînement par renforcement sur plusieurs machines sans systèmes de fichiers partagés ni NCCL, utilisant l'infrastructure Hugging Face Jobs.
- Vigilance
- Gestion minutieuse des slots adaptateurs requise selon max_staleness pour éviter les décalages silencieux de politique; pinning de version vLLM et flags runtime spécifiques essentiels.
- lora
- grpo
Les patterns derrière cette actualité
- Reinforcement Learning from Human Feedback
- Machine Learning Model-Based Routing
- Reinforcement Learning from AI Feedback
Chacun explique le fonctionnement de la technique, quand elle vaut son coût et où elle casse.
The Agent Architect
Un pattern, un compromis, une panne de production racontée. Un brief hebdomadaire court pour ceux qui construisent des systèmes agentiques.
Un email par semaine, désinscription en un clic. Votre adresse ne sert qu'à envoyer le brief.