使用Tunix GRPO、LoRA介面卡和GSM8K獎勵訓練Gemma-3進行結構化數學推理

本教程構建了一個端到端的GRPO訓練工作流，利用Tunix、JAX、LoRA和自定義獎勵函式，教會Gemma-3解決GSM8K數學問題。內容包括環境準備、Hugging Face認證、模型載入、提示格式設計、獎勵函式定義、LoRA介面卡附加、基線評估以及GRPO訓練。