GRPO策略训练

grpo_unsloth_docker项目旨在帮助用户在本地轻松运行GRPO策略训练，无需复杂配置即可感受AI策略优化的魅力。该项目基于Unsloth团队的优秀工作，提供了简洁的Makefile命令，使用户能够快速启动和停止训练环境，特别适合在本地单GPU上进行策略训练。