后训练框架介绍后训练阶段常用的框架和工具，包括 PEFT、TRL、VERL 等复制 Markdown导出 PDF打开 参考资料 库：PEFT 库：TRL - Transformer Reinforcement Learning 参考资料 库：verl-project/verl: verl: Volcano Engine Reinforcement Learning for LLMs 帖子 文档：Welcome to verl’s documentation! — verl documentation 论文 HybridFlow: A Flexible and Efficient RLHF Framework 这篇文档有帮助吗？有帮助需要改进报告问题在 GitHub 上编辑Agentic RL介绍 Agentic RL 的核心概念、与传统 RLHF/RLVR 的区别、三个不变量以及八个关键模块Distillation介绍模型蒸馏（Distillation）的基本原理及其在大规模语言模型推理中的应用方法