可以放出来这个RL的训练代码吗？感谢

[xyqsgdog-ctrl]

Use case

Proposed solution

Alternatives or workarounds

Expected impact

Willing to contribute?

• I can submit a PR
• I can help test
• I can provide data, logs, or benchmark results

[LauraGPT]

Thanks for the request. I’m keeping this open as a code-release / research-reproducibility request for the core maintainers.

To make the request easier to evaluate, could you add which part you need most?

• RL training recipe/configs for the released model
• data formatting and reward definition
• evaluation scripts/metrics
• a minimal reproduction example rather than the full training stack

At the moment I don’t see the RL training code in this repository, so I don’t want to imply a release timeline from the issue triage side. Once the maintainers confirm what can be released, we can either link it here or turn it into a docs/training example task.

[LauraGPT]

@xyqsgdog-ctrl 我把论文和当前公开代码重新核对了一遍。如果你说的“RL”是 Fun-ASR Technical Report §4.4 中的 FunRL / GRPO-based RL for ASR，那么你的请求是成立的：当前公开仓库还不能复现这部分训练。

目前能确认的公开边界：

• 论文描述了 Ray 调度的音频编码器、SGLang rollout、FSDP policy，以及 ASR accuracy、关键词、幻觉抑制、语言匹配等 reward。
• modelscope/FunASR 的 funasr/train_utils / funasr-train-ds 和 FunAudioLLM/Fun-ASR 的 finetune.sh 是监督训练/微调入口，不是论文中的 FunRL pipeline。
• 我检查了两个仓库当前 main，并搜索了 FunAudioLLM、modelscope 组织：没有公开的 FunRL、GRPO reward、Ray/SGLang/FSDP orchestration 或单独 FunRL 仓库。
• 论文给出了 100K 样本构成和 8×A100 的效率结果，但没有可运行的训练入口、配置、reward 实现或数据构建脚本。

为了让后续发布真正可复现，最小有价值的交付应包括：

1. 固定依赖和 Ray/SGLang/FSDP 启动入口；
2. 音频 embedding 在 encoder、rollout、policy 间的传递与 on-policy 同步；
3. GRPO objective 及论文列出的 reward 实现和权重/归一化配置；
4. 100K RL 数据五个子集的构建脚本或脱敏 manifest；
5. 一个小数据 smoke 配置，以及论文 8×A100 配置和预期日志。

如果完整训练栈或数据暂时不能公开，先发布 paper-to-code mapping、可公开 reward 代码和最小合成数据示例也能明显提高可复现性。这个 issue 会继续保持开放，作为核心作者确认代码发布范围的请求。请确认你指的是否就是这套 FunRL；如果是，不需要再补一遍普通 SFT 需求。