mst272/LLM-Dojo

Framework de post-entraînement LLM léger prenant en charge SFT, RLVR, On-Policy KD, Guide KD et l'entraînement hybride ; implémente la distillation guidée multi-tours, la distillation multi-enseignants, l'entraînement par récompense hybride et le routage de données automatisé.