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
..
benchmark.py	fix: benchmark 改用 PagedCache 替代已删除的 persistent_key_values	2026-05-08 21:26:55 +08:00
generate.py	chore: 修改类名，优化导入顺序	2026-04-05 22:27:57 +08:00
perplexity.py	refactor: 优化工具脚本接口并修复批处理问题	2026-04-05 21:56:22 +08:00
server.py	refactor: 优化工具脚本接口并修复批处理问题	2026-04-05 21:56:22 +08:00
train.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