Khuzaima139/ATML-PA2-LLM-PostTraining：LLM 后训练课程作业学生起始仓库

GitHub 上的 ATML PA2 学生起始仓库提供 LLM 后训练作业框架，代码有意不完整：任务 1-3 覆盖 DPO、PPO、GRPO 的训练循环与消融实验，且各含一个待学生发现和修正的算法缺陷。任务 4 提供固定的 AI safety judge，任务 5 提供精确的 RLVR verifier 与用于 RLAIF 评估的 pairwise AI judge，学生需自行实现评估与聚合代码。课程资产（固定数据集、缓存诊断与 continuation checkpoints）通过 GitHub Release 分发，参考环境锁定 Transformers 4.57.1、TRL 0.27.2、PEFT 0.17.1 和 Tokenizers 0.22.1。