開放SFT+GRPO推理性能与训练过程中val精度不一致help wanted為什麼推薦尚無負責人 · 帶有初學者友善標籤尚無負責人帶有初學者友善標籤倉庫本月活躍提供貢獻指南hiyouga / EasyR1 · #327 · 2025年6月4日 · Python · 5,126 顆星11 則留言0 個反應0 位負責人