nanoGRPO：一个轻量的GRPO实现

nanoGRPO：一个轻量的Group Relative Policy Optimization (GRPO) 实现，为语言模型优化带来高效解决方案。亮点：

1. 仅需8GB显存即可运行，适配RTX 4060；
2. 120步训练即可显著提升模型表现；
3. 独特的GRPO损失函数，优化效果显著。

参考文献：
[1] http://github.com/joey00072/nanoGRPO