/grpo-rlvr-training
用 GRPO 與可驗證獎勵強化學習（RLVR）訓練推理與可驗證任務的行為。用於任務成功可用演算法檢查時、設計 GRPO 獎勵函數，或 GRPO 訓練發散、獎勵被鑽漏洞時。
- 安裝次數
- 2800
- 專案星數
- 4.2 萬 ★
- 授權
- MIT
- 專案更新
- 2026-11-02
怎麼裝
npx skills add https://github.com/wshobson/agents --skill grpo-rlvr-training安裝前請先看過原文內容。中文說明是 AI 翻譯，不保證安全。
原文
Train reasoning and verifiable-task behavior with GRPO and reinforcement learning from verifiable rewards (RLVR). Use when task success is algorithmically checkable (math, code, tool calls, structured output), when designing GRPO reward functions, or when a GRPO run diverges or reward-hacks.