注意：数据集在huggingface上存储为parquet格式，但是数据加载和处理的底层格式是arrow（arrow和parquet格式数据：https://blog.csdn.net/shizheng_Li/article/details/144132714）然而本地的.arrow格式数据集会报错，因此还是推送数据集到huggingface。最近要使用GRPO训一个vlm模型，听说easy R1