感谢出色的工作，不知道能否在[EasyR1](https://github.com/hiyouga/EasyR1)项目中把RLPR算法合并进去，感觉verl的代码很复杂很难理解，EasyR1的代码相对比较简洁，便于大家学习和实验，感谢！
