White Circle 推出 Halo 框架：开源模型后训练吞吐量达 TRL 的 2.8 倍
想自己微调模型可以看看 White Circle 的 Halo，吞吐量达 TRL 的 2.8 倍、更省内存，还不用转格式，已开源。
White Circle 发布开源框架 Halo，定位为开源模型后训练工具。官方数据显示其吞吐量最高达到原版 TRL 的 2.
8 倍，峰值内存占用更低。Halo 让模型保持原生 HuggingFace 格式，训练后无需额外转换。
代码已在 GitHub 开源，Hugging Face CEO Clement Delangue 转发推荐，称训练模型正变得越来越容易。
Training models is becoming easier and easier - just look at this and TRL - especially with agents! You're missing out if you're still using off the shelf models for all your tasks! White Circle @whitecircle Introducing Halo, the best framework for post-training of open-source models. Halo delivers up to 2.8x the throughput of stock TRL with less peak memory, while models stay in their native HuggingFace format. Star us on GitHub: github.com/whitecircle/ha…
本条情报归属 AITOP「产品」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：Halo、TRL、HuggingFace、开源模型，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「Clement Delangue」（@ClementDelangue），经 AITOP 多维评分管线结构化提炼。
