rollout_log_probs如果是None，会影响GRPO的训练吗

[glennccc]

1. 如题。
2. eval x: {'eval/aime': 0.0698958333333333, ....}，这个eval中的值是reward的平均值吗，用来作为评测指标用？为什么没用那种专门的官方benchmark的评测
3. 日志里主要看哪些指标来判断模型训练有没有问题呢
4. strands_agent的user question，应不应该加apply_chat_template。messages角度上，不应该加，但是sglang加载的这个训练模型的要吃的话，感觉又需要加，像search-r1的example里就有加。请教一下

[glennccc]

rollout/raw_reward是什么，为什么跟eval/aime的这个不一样

[zhuzilin]

{'eval/aime': 0.0698958333333333, ....}

这是正确率的分数，类似于 aime 得了 7 分

rollout/raw_reward是什么

这是训练中的 reward

rollout_log_probs如果是None，会影响GRPO的训练吗

默认应该不会，因为会用 megatron model 进行 log prob 重算

[glennccc]

{'eval/aime': 0.0698958333333333, ....}

这是正确率的分数，类似于 aime 得了 7 分

rollout/raw_reward是什么

这是训练中的 reward

rollout_log_probs如果是None，会影响GRPO的训练吗

默认应该不会，因为会用 megatron model 进行 log prob 重算

@zhuzilin 你一般观测哪些指标，用于判断模型在正确地训练提高