第一题题目描述：我们可能听过“短板效应”这一说法：一只水桶能盛多少水，并不取决于最长的那块木板，而是取决于最短的那块木板。小明在完成某个小组任务时，也出现了类似的情况。小明的班级有n个人排成一行，每个人有一个能力值aᵢ，每连续i个人都在一个大小为i的组里，一个人会在很多个组。例如1,2,3,4,5，五个人依次排成一行，有1,2,3；2,3,4；3,4,5这三个大小为3的组，有1,2,3,4；2,3,4,5这两个大小为4的组。一个组的能力值为组里所有人能力值的最小值，小明作为班长想对于所有1≤x≤n求出所有大小为x的组的能力值的最大值为多少。 输入描述：第一行一个正整数n，表示班级中的人数。(1...

😅😅😅😅

import torch import torch.nn as nn import torch.nn.functional as F class GRPO: def __init__(self, policy, ref_policy, lr=1e-5, beta=0.02, eps_clip=0.2): self.policy = policy self.ref_policy = ref_policy self.optimizer = torch.optim.Adam(policy.parameters(), lr=lr) self.beta = beta self.eps_clip = ep...