#7829·verl[错误] 随着 PPO 微批量大小的变化, KL-Cov 令牌选择也会发生变化作者: gss10282025创建于 2026年9月10日更新于 2026年9月10日标签bug总结 内容来源: verl-project/verl查看 GitHub 原文在 GitHub 查看讨论