用途：在 Hugging Face 全托管基础设施上使用 TRL 微调语言模型，无需本地 GPU，结果自动保存到 Hugging Face Hub。也支持 Unsloth（显存约少 60%、速度约 2 倍，适合大模型或视觉语言模型，见 scripts/unsloth_sft_example.py）。
主要能力：TRL 支持 SFT、DPO、GRPO、奖励模型训练等方法。提供 SFT、DPO、GRPO、Unsloth 训练脚本模板，以及成本估算、数据集检查、HF 基准榜搜索、GGUF 转换等脚本。
使用方式：通过 hf jobs uv run（CLI）或 hf_jobs() MCP 工具提交任务，脚本可内联传入，也可用 Hub/GitHub/Gist URL；本地路径不可用。常用命令：hf jobs uv run --flavor a10g-large --timeout 2h --secrets HF_TOKEN "https://huggingface.co/user/repo/resolve/main/train.py"；查看状态用 hf jobs ps、hf jobs logs <job-id>、hf jobs inspect <job-id>、hf jobs cancel <job-id>。也可运行 TRL 官方示例脚本，或用 uvx trl-jobs sft 快速试验。仓库内脚本使用 PEP 723 内联依赖，以 uv run 执行，例如 uv run scripts/estimate_cost.py --help。
关键设置：数据集须在 Hub 或可由 datasets.load_dataset() 加载，格式需匹配训练方法（SFT：messages/text/prompt-completion；DPO：chosen/rejected；GRPO：仅 prompt）。超时须显式设置，默认 30 分钟过短，建议至少 1-2 小时，并留 20-30% 缓冲。必须启用 Hub 推送：push_to_hub=True、hub_model_id="username/model-name"、secrets={"HF_TOKEN": "$HF_TOKEN"}，环境为临时性，不推送会丢失结果。建议加入 Trackio 实时监控。
适用场景：云端指令微调、偏好对齐、在线 RL、奖励模型训练及 GGUF 量化导出用于本地推理。
限制：Jobs 需要 Pro/Team/Enterprise 付费方案；任务异步运行，不应轮询，初始日志可能需 30-60 秒才出现；训练前应验证未知数据集与 DPO 数据集格式；显存不足可减小 per_device_train_batch_size、开启 gradient_checkpointing 或升级硬件；7B 以上模型建议用 LoRA/PEFT。其余细节暂未提供。