DataFlex-RL:统一 GRPO 配方下评估 RLVR 数据策略的可控平台

RT @HuggingPapers:DataFlex-RL

一个用于 RLVR 数据策略的可控评估平台,在统一的 GRPO 配方下比较 rollout 选择、重加权和领域混合方案。https://t.co/jppRdCaJyy