日榜第二！北大开源，强化学习数据策略接入更简单、对比更公平

新智元报道每一轮强化学习到底应该把哪些数据交给模型？这个问题正随着推理模型和 RLVR 的发展变得更加重要。随着强化学习在大模型后训练中的作用不断增强，模型练什么、怎么练，也需要更仔细地安排。一道题可能起初很难，训练一段时间后却能稳定答对。哪些数据该继续保留，学习权重和领域配比该怎样调整，都需要