verlsglangmulti-turnoversample

文档摘要

verl sglang multi-turn over sample 快速复现创建新的 docker（如果熟悉这套安装，可以跳过）：使用前需要配置好，参考这个过程。进入 docker 后，可以查看被映射的环境变量：以后每次从 docker 里面 exit 出来，再用这个指令可以重启：基于源码安装 verl-sglang 配置 python 环境：安装 verl-sglang：测试 gsm8k：测试 dapo：设计思路和具体实现基于这个 commit：b979a73e358313afafab5db512cd5ae0009ccac0 设计思路已经讨论了非常多次了，为了解决 long tail 问题，采用 over sample 是非常常见的策略。