日榜第二！北大开源，强化学习数据策略接入更简单、对比更公平 **新智元报道** 每一轮强化学习到底应该把哪些数据交给模型？ 这个问题正随着推理模型和 RLVR 的发展变得更加重要。随着强化学习在大模型后训练中的作用不断增强，模型练什么、怎么练，也需要更仔细地安排。一道题可能起初很难，训练一段时间后却能稳定答对。哪些数据该继续保留，学习权重和领域配比该怎样调整，都需要结合模型的训练状态重新考虑。 而数据策略方法往往不止一种，如何把不同方法比较清楚，还有一些实际难题。不同方法各有一套实现，换个筛选规则就可能要改训练器；比较效果时，模型、奖励函数和训练预算又未必一致。即使分数提高了，也很难判断收益究竟来自数据策略，还是其他训练设置。 为了解决数据策略接入和效果比较中的麻烦问题，**北大DCAI团队联合UCAS、上海****算法****创新研究院、中关村学院最新发布DataFlex-RL**。 GitHub 开源仓库：https://github.com/haolpku/DataFlex-RL 论文地址：https://huggingface.co/papers/2609.06107 少花时间