Clément Delangue

我们把 @OpenAI 的数学题变成了 @huggingface 上的开源 RL 环境！ 还比较早期、粗糙（验证器只接受与原始形式化完全一致的结果，所以等价证明仍可能得 0 分），但这就是研究发布变成可执行环境时的样子 https://t.co/PFPtqBPun6