ondrysL 开源 llm-reasoning-optimization v0.1：缩短 Qwen3-0.6B 思考过程的数据管道首发

独立研究项目 llm-reasoning-optimization 发布 v0.1，目标是用 SFT 加 GRPO 缩短 Qwen3-0.6B 的思考长度且不损失答题准确率，当前版本仅实现数据准备管道，尚未包含 SFT 训练、GRPO 和评估。管道克隆 BottleCapAI ThinkingCap-Test 固定 commit，下载四个数据集并加载 GSM8K 人工解答生成 SFT 数据，保留 BottleCap 评估基准（SVAMP、BFCL、MBPP+、IFEval）不用于训练，每来源固定 seed 0 并留出 200 条防止训练验证泄漏。下一步计划包括基于 LoRA 的 SFT 训练、BottleCap 评估适配器及 vLLM 后端。