使用grpo进行训练时，默认参数actor_rollout_ref.actor.use_kl_loss=False是不是应该改为true? #1626
Description
使用grpo进行训练时，默认参数actor_rollout_ref.actor.use_kl_loss=False是不是应该改为true?现在代码中默认是false，但是根据verl的使用文档，使用grpo做强化学习，需要设为true
{{ message }}
使用grpo进行训练时，默认参数actor_rollout_ref.actor.use_kl_loss=False是不是应该改为true?现在代码中默认是false，但是根据verl的使用文档，使用grpo做强化学习，需要设为true