日榜第二！北大开源，强化学习数据策略接入更简单、对比更公平

已收录文章摘要，完整内容可前往原文阅读。

新智元报道 每一轮强化学习到底应该把哪些数据交给模型？这个问题正随着推理模型和 RLVR 的发展变得更加重要。随着强化学习在大模型后训练中的作用不断增强，模型练什么、怎么练，也需要更仔细地安排。