开发者开源 nanoGRPO，可在 8GB RTX 4060 上训练

开发者 joey00072 开源了轻量 GRPO 实现 nanoGRPO，仅包含 grpo.py 和 train.py 等少数文件，可在 8GB 显存的 RTX 4060 上训练。作者展示了 120 步训练后模型生成带 <thinking> 推理链的解题过程，并称可用它训练迷你 R1/o1 风格推理模型；项目目前获 144 star。