想要学习如何使用 GRPO 和 TRL 对视觉语言模型 (VLM) 进行推理对齐吗？🌋 🧑‍🍳 我们为您提供帮助！！ 新的多模态后训练食谱，使用 @huggingface 的 Cookbook 中的 TRL 对 VLM 进行对齐。