本项目使用open-r1项目的代码，修改配置文件config_grpo.yaml，本项目的训练细节可查看config_grpo.yaml。 本项目在模型评估阶段，设置2种模式的system，用来测试不同system的区别，在默认情况下，使用system2。 设置system_prompt，使模型能够遵守<think>\n...\n</think>\n<answer>\n ...