Modal 演示用 GRPO 将 gpt-oss-20b 训练为 SEC 文件搜索 Agent

Modal 官方演示其平台可直接训练 GRPO 强化学习任务，复现了 @lujasper 的 Training Search Agents with GRPO。gpt-oss-20b 被训练为能在 SEC 文件语料上进行多轮智能体搜索的 Agent，工具链包括关键词匹配、grep 和文件读取。