DAPO

仓库不仅放算法，还放数据、训练记录和 DAPO-Qwen-32B 权重；训练监控把响应长度增长、奖励稳定和熵变化当作探索是否健康的信号。这样的开放范围让结果可以被复现实验，而不是只消费一张模型排行榜截图。