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
..
README-zh-CN.md	feat: GRPO CLI 接入 + on-policy，OpenAI API top_k 参数化，补充训练参数表	2026-05-09 12:22:33 +08:00
dataflow.md	docs: 更新文档以匹配分页 KV cache 等代码重构	2026-05-08 22:41:13 +08:00
design.md	docs: 更新文档以匹配分页 KV cache 等代码重构	2026-05-08 22:41:13 +08:00
introduction.md	feat: 新增 Anthropic 兼容 /v1/messages API，移除旧版 /generate 端点	2026-05-09 11:47:22 +08:00
params.md	docs: 修正文档错误并补充训练参数说明	2026-05-08 18:07:57 +08:00