grpo-rlvr-training · AI Skill 用途与安装 · iSkills.cc
用 GRPO 和可验证奖励训练推理模型。
分类：AI 与 Agent
来源仓库：wshobson/agents
适合用来做什么
- 设计一个GRPO奖励函数用于数学任务。
- 调试GRPO运行偏离问题。
不适合的情况
- 不适合与“AI 与 Agent”无关的任务。
安装 grpo-rlvr-training
npx skills add https://www.iskills.cc/skills/wshobson/agents/grpo-rlvr-training/SKILL.md在本机终端执行安装命令。安装前请阅读原始说明，确认所需工具、账号和权限。