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
..
__init__.py	chore: 修改类名，优化导入顺序	2026-04-05 22:27:57 +08:00
metric_util.py	refactor: 优化参数传递，清理导入样式	2026-04-03 22:06:32 +08:00
schedule.py	feat: 优化工厂模式的实现	2026-04-04 15:49:46 +08:00
strategy.py	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
train_callback.py	chore: 修改类名，优化导入顺序	2026-04-05 22:27:57 +08:00
train_context.py	fix: 修复 remove_task 未释放 KV cache slot 导致第二轮对话死锁	2026-05-08 14:53:04 +08:00
trainer.py	fix: 修复 remove_task 未释放 KV cache slot 导致第二轮对话死锁	2026-05-08 14:53:04 +08:00