#可验证奖励

用非周期序研究打造AI推理阶梯：可验证奖励问题的开放数据集

研究者发布非周期序AI谜题数据集，包含已解梯级用于RL训练、开放梯级对接真实数学研究，探索可验证奖励强化学习的课程与评估新思路。