用途：在 Hugging Face 全托管基础设施上使用 TRL（Transformer Reinforcement Learning）训练语言模型，无需本地 GPU，结果可保存到 Hugging Face Hub。支持 SFT 指令微调、DPO 偏好对齐、GRPO 在线 RL 和奖励模型训练；训练时可通过 hf_doc_search、hf_doc_fetch 查阅文档。
主要能力：提交云端训练作业（推荐用 hf_jobs() MCP 工具，脚本可直接以内联字符串传入；也可用 hf jobs uv run CLI，注意命令为 hf jobs uv run，--flavor、--timeout、--secrets 须放在脚本 URL 之前）。可选 TRL 官方脚本或 trl-jobs 包；提供 SFT、DPO、GRPO 示例脚本作为模板，并按模型规模推荐 t4-small、a10g-large、a100-large 等硬件。
使用方式：需 Hugging Face Pro/Team/Enterprise 账户并登录，设置带写权限的 HF_TOKEN，提交时传入 secrets={"HF_TOKEN": "$HF_TOKEN"}；脚本内配置 push_to_hub=True 与 hub_model_id，否则临时环境结束后训练结果会丢失。建议加入 Trackio 以 report_to="trackio" 实时监控，并设置足够 timeout（默认 30 分钟过短）。数据集须在 Hub 上或可加载，且格式与训练方法匹配。
限制：作业异步运行，初始日志可能延迟 30-60 秒；不应自动轮询状态。显存有限、追求速度或训练大于 13B 模型及 VLM 时可考虑 Unsloth。硬件费用与完整 CLI 参数细节见官方文档；资料未提供价格与时效等更多信息。