推理健身房：带有可验证奖励的强化学习推理环境 近日，GitHub团队的Zafir Stojanovski、Oliver Stanley、Joe Sharratt、Richard Jones、Abdulhakeem Adefioye，以及顾问Jean Kaddour和Andreas Kopf发布了一项令人瞩 学习 健身房 推理 可验证奖励 可验证 2025-06-05 23:36 4