オープンSFT+GRPO推理性能与训练过程中val精度不一致help wantedおすすめ理由担当者がまだいない · 初心者向けラベルあり担当者がまだいない初心者向けラベルありリポジトリは今月もアクティブコントリビューションガイドありhiyouga / EasyR1 · #327 · 2025/06/04 · Python · 5,119 個のスター11 件のコメント0 件のリアクション0 人の担当者