PewDiePie 自学 GRPO 强化学习训练，Hugging Face 研究员想帮忙却联系不上

PewDiePie 正在离网状态下自己动手做 agentic GRPO 强化学习训练，Hugging Face 研究员 merve 与同事 Maziyar Panahi 讨论称其并未透露具体使用的工具。两人想提供帮助却联系不上他，只能在社区里隔空围观。PewDiePie 此前还有过蒸馏等方面的想法。