ATML PA2 LLM 后训练课程作业启动仓库 shehryarasiflone/ATML-PA-2-LLM-PostTraining 发布

ATML PA2 的学生启动仓库发布，覆盖 DPO、PPO、GRPO、安全校准与 RLVR vs RLAIF 五个任务。仓库有意留空训练循环和消融编排，Task 1-3 各含一个需自行发现并修复的算法缺陷；Task 4-5 提供固定的 AI 安全 judge、RLVR verifier 和成对 RLAIF judge。资产通过 GitHub Release 下载，参考环境锁定 Transformers 4.57.1、TRL 0.27.2、PEFT 0.17.1，PPO/GRPO 从提供的 midpoint checkpoint 续训，默认 continuation 生成长度上限 512 token。