微调Qwen2.5-coder，只用GRPO！打造能“懂你时间表”的AI工具人！ 下午2时 2025/05/09 作者 AI技术研习社 用GRPO训练自己的推理模型： “不用表标、不用表达式，只用“提示 + 奖励”也能教会模型学习。”
