PRIME-RL 收录中的开源项目，按星标数排序。
用于语言模型高级推理的可扩展 RL 解决方案
[ICLR 2026] SimpleVLA-RL：通过强化学习扩展 VLA 训练
[NeurIPS 2025] TTRL：测试期强化学习
