DeepSeekRL-Extended：从零实现DeepSeek R1的强化学习项目

DeepSeekRL-Extended：从零实现DeepSeek R1的强化学习项目，探索GRPO算法的应用。亮点：

1. 仅用单个H100 GPU，400步训练即可显著提升模型性能；

2. 完全自研实现，不依赖外部RL库；

3. 提供多脚本结构，易于学习和扩展。

参考文献：
[1] https://github.com/brendanhogan/DeepSeekRL-Extended