使用Open-MM-RL設計完整的多模態RLVR流水線：視覺語言提示、獎勵評分與GRPO導出

本教程以TuringEnterprises/Open-MM-RL數據集為基礎，構建多模態推理與可驗證獎勵的強化學習流水線。包括數據集加載與模式分析、輕量級獎勵函數設計（支持精確、數值、分數、LaTeX和符號答案）、視覺語言模型提示格式化，以及GRPO樣式數據導出。