GRPO/GSPO 对照实验 RL 数据（已清洗对齐）
收藏官方服务：
资源简介：
12 个原始数据集 -> 统一 schema (data_source/prompt/ability/reward_model/extra_info)，GRPO/GSPO/分段惩罚可直接混训。含 14 个 RL 文件 + 1 个 SFT 文件的 JSONL 版本。
提供机构：
maas创建时间：
2026-08-09
社区交流群
科研交流群
商业服务
12 个原始数据集 -> 统一 schema (data_source/prompt/ability/reward_model/extra_info)，GRPO/GSPO/分段惩罚可直接混训。含 14 个 RL 文件 + 1 个 SFT 文件的 JSONL 版本。