RL训练recipe

[shuguang99]

可以先发布一下RL阶段的recipe嘛？谢谢

[mynameisissac]

Paper 裡說只用了hard formatting result reward function, 所以沒用accuracy reward嗎?

[Osilly]

@mynameisissac 感谢关注，hard formatting result reward function代表同时满足格式要求和结果正确才会获得分数，这可以被理解为一个更严格的accuracy reward

[syyuan2021]

"hard formatting result reward function代表同时满足格式要求和结果正确才会获得分数，这可以被理解为一个更严格的accuracy reward" 请问是指在满足格式的同时要求结果也是正确的对吗？ 只用了这一个reward？

[Osilly]

@syyuan2021 是的，满足格式同时结果正确得到1分，其余情况0分