标签：强化学习

文章

• Agent 学习第 17 周：强化学习、分布式训练，和一次 3 分钟的 GRPO 训练

  在 4060 Ti 上用 GRPO 训练 Qwen2-0.5B 做算术题，3.1 分钟涨了 81 个点，再把涨幅拆成格式与算术两部分归因。