Minimal LLM Post-Training Experiments on an 8GB GPU (SFT, DPO, GRPO)

在仅8GB显存的GPU上实现小型大模型的后训练实验（如SFT、DPO、GRPO），为资源有限的开发者提供可复现的LLM微调方案，适合AI研究者和实践者。