llm-code

docs: 更新 README.md，增加 RL 中的 KL 估计器选型和 On-Policy Distillation 相关链接

docs: 增加 PPO、GRPO 解析文档

docs: 增加学习文档

Merge branch 'main' of https://github.com/wyf3/llm_related

new file: kimi_attnres/dataset.py