swift_test/direct_stepwise_train

试验使用swift 对qwen3-8b进行grpo训练

• 数据集： webarena lite successfuly trace, mock trace use one trace and duplicated 51 times
• 启动方法：external模式，因为在a6000上使用colocate方式启动会报内存不足，因此使用1张卡跑vllm，1张卡跑训练，基本都跑满

# start server
sh swift_server.sh  # 要等到看到vllm服务启动

# start client
sh swift_client.sh # 启动训练任务