⚡️ TRL 再升级，多模态对齐进入新阶段！ 现在，视觉语言模型 (VLM) 不仅能用 SFT 和 DPO 微调，还新增三种强力方法 —— MPO、GRPO、GSPO，让模型看图说话更聪明、推理更稳。

🔍 三大新方法
MPO：在 DPO 基础上加“质量评分”和“生成”两种额外损失，像给模型加了三重指南针，减少胡言乱语，MathVista 分数提升 6.2 分！
GRPO：把训练样本分组更新，抵消奖励噪声，让模型少走弯路，整体答题水平更高。
GSPO：改进 GRPO 的采样策略，更稳定，特别适合 MoE 大模型。

🛠 即用生态
SFTTrainer 已原生支持 VLM，直接加载图文数据集就能训
vLLM 深度集成：可边训边推理，既能省 GPU，又能实时生成样本
提供现成脚本和 Notebook，三步就能试跑新方法

💡 为什么重要
这意味着你的多模态模型能更好地理解图像、解释推理过程，并稳定输出高质量答案，无论是科研题、数学题还是多轮视觉问答，都能更靠谱。

🤗 欢迎加入我们的中文社区：Chinese LLMs on Hugging Face，带着问题来，带着成果走，一起玩转多模态模型！
#人工智能##Hugging Face##多模态#