RFPO Discussion

[catqaq]

https://github.com/catqaq/OpenLLMAI-Research/blob/main/docs/RFPO.md
知错就改RFPO：显式的从错误中学习以解锁LLM在RL中的上限 - OpenLLMAI的文章 - 知乎
https://zhuanlan.zhihu.com/p/1926393705562083577