# MergeModelCallback[[trl.experimental.merge_model_callback.MergeModelCallback]]

#### trl.experimental.merge_model_callback.MergeModelCallback[[trl.experimental.merge_model_callback.MergeModelCallback]]

```python
trl.experimental.merge_model_callback.MergeModelCallback(merge_config: MergeConfig | None = None, merge_at_every_checkpoint: bool = False, push_to_hub: bool = False)
```

[Fuente](https://github.com/huggingface/trl/blob/v1.18.1/trl/experimental/merge_model_callback.py#L294)

**Parámetros:**

merge_config (`experimental.merge_model_callback.MergeConfig`, *opcional*) : Configuración utilizada para el proceso de fusión. Si no se proporciona, se utiliza la `MergeConfig` predeterminada.

merge_at_every_checkpoint (`bool`, *opcional*, por defecto `False`) : Si se debe fusionar el modelo en cada punto de control.

push_to_hub (`bool`, *opcional*, por defecto `False`) : Si se debe subir el modelo fusionado al Hub después de la fusión.

Un [TrainerCallback](https://huggingface.co/docs/transformers/v5.23.0/en/main_classes/callback#transformers.TrainerCallback) que fusiona el modelo de política (el modelo que se está entrenando) con otro modelo según una configuración de fusión.

Ejemplo:

```python
>>> from trl.experimental.merge_model_callback import MergeConfig, MergeModelCallback

>>> config = MergeConfig()
>>> merge_callback = MergeModelCallback(config)
>>> trainer = DPOTrainer(..., callbacks=[merge_callback])
```

