Guide-GRPO项目旨在通过优化语言模型中的指令Token在推理链中，实现在消费级显卡上的内存高效训练（需24GB VRAM）。其核心价值在于通过引导词优化推理链条，提升模型的连贯性和准确性。该项目在初步实验中表现出色，具有广阔的应用前景。
