攒人品中！ 先手撕接雨水，详细问问左边矮的话水量取决于左边还是右①grpo的目标函数②grpo训练不收敛怎么排查③熵坍塌怎么解决⑤项目的reward 设计，环境交互是什么⑥卡资源⑦训练和数据哪个是你做的？⑧重要性采样是什么