6 Commits

Author	SHA1	Message	Date
ViperEkura	bc7c82977e	feat: GRPO CLI 接入 + on-policy，OpenAI API top_k 参数化，补充训练参数表 ... - train.py 新增 --train_type=grpo 及参数 (--grpo_clip_eps, --grpo_kl_coef, --group_size, --grpo_sync_interval, --start_epoch) - GRPOStrategy 统一 on-policy 模式，ratio = exp(logπ_θ - logπ_ref)，PPO 裁剪目标，sync_interval 自动同步 ref_model - ChatCompletionRequest 新增 top_k 参数，不再硬编码 - 补充 README 完整训练参数表（含此前缺失的 max_grad_norm / adamw / window_size / stride 等）	2026-05-09 12:22:33 +08:00
ViperEkura	3fee87897d	chore: 修改拼写错误问题	2026-04-06 09:28:16 +08:00
ViperEkura	3346c75584	feat: 优化工厂模式的实现	2026-04-04 15:49:46 +08:00
ViperEkura	e97536758f	refactor: 优化工厂模式结构	2026-04-04 11:33:58 +08:00
ViperEkura	0852b852f8	refactor: 优化参数传递，清理导入样式	2026-04-03 22:06:32 +08:00
ViperEkura	2e009cf59a	chore: 更新项目名称	2026-03-31 09:34:11 +08:00