GRPO的生成式reward模型是否支持vllm预测

[256785]

GRPO的生成式reward模型是否支持vllm预测

给的例子使用的是 PtEngine，是否可以使用vllm、lmdeploy等推理引擎

[hjh0119]

You can deploy it and implement the call logic in the reward function. The example will be considered for inclusion in the future.