DataFlex-RL：RLVR 数据策略的评估平台

DataFlex-RL 是用于在统一 GRPO 配方下比较 RLVR 数据策略的评估平台。基于 Qwen2.5-7B-Base 在 12 个数学、逻辑与科学基准上测试 13 种配置，Uniform GRPO 较未训练检查点提升 7.76 个百分点，但八种 rollout 选择或重加权方法均未显著优于均匀采样，三种自适应混合也未胜过固定等权混合。