マルチモーダルタスクでの DeepSeek-R1 の再現に向けて、LMM RL トレーニングをサポートするように OpenRLHF を拡張する
このリポジトリは radar が追跡するソースにまだ登場していません。コレクターはスケジュールで動いています——このリポジトリがカバーされたらまた見てください。
