目录 / grpo-rlvr-training
SKILL
未评级
已上架
grpo-rlvr-training
使用 GRPO 和可验证奖励的强化学习（RLVR）来训练推理能力和可验证任务行为。适用于任务成功与否可通过算法验证的场景（如数学、代码、工具调用、结构化输出），或在设计 GRPO 奖励函数时，或在 GRPO 运行出现发散或奖励漏洞时。
模型生成摘要（rules/v1 · 2026-11-07 18:01）：使用 GRPO 和可验证奖励的强化学习（RLVR）来训练推理能力和可验证任务行为
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。
存档时间线
| 版本 | 存档时间 | 内容哈希 | 内容 |
|---|---|---|---|
| v1 | 2026-11-07 18:00 | a1a5abad | 可取 |
版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。
纠错与举报（发现条目失效、署名有误或涉及侵权？）
提交举报 / 纠错
侵权举报经核验成立后，我们会即时下线该条目并删除已存的内容副本。