GRPO 是否支持动态数据筛选

[CyberLxy]

是否支持在rollout阶段，动态筛选难度的方式，例如在某math数据集下，rollout8次，都做对了，即剔除该题目使用下一条数据

[hjh0119]

You can set --dynamic_sample true to filter out groups with zero reward standard deviation

[CyberLxy]

thanks