ModelScope魔搭社区推出GRPO训练全链路解决方案，支持多模态训练、训练加速和评测。GRPO是PPO算法的一种改进，旨在简化价值模型，提高训练稳定性和可维护性。然而，现有方案面临训练速度低、集群配置复杂等问题。 魔搭社区的SWIFT框架优化了采样效率，通过多实例数据并行采样和异步采样技术，提...