China
Github
👏 Welcome to GoGoYe's blog !
🐻 Everything I'm not made me everything I am.
第八章：`eval.py`——Base/checkpoint 统一评测
第七章：`train.py`——轨迹到 PPO 张量
第六章：`rollout.py`——多轮轨迹状态机
第五章：`reward.py`——最终答案与稀疏奖励
第四章：`sandbox.py`——代码调用如何变成 observation
第三章：`protocol.py`——消息、文本与 token 边界
劝君莫惜金缕衣，劝君惜取少年时。
