SIS 开源：将 off-policy token 转为 on-policy 的 LLM 训练插件

SIS（Selective Importance Sampling）发布首个公开版本，通过将 off-policy 样本转化为 on-policy 训练素材，提升 LLM 强化学习训练的效率与稳定性。该项目内置 SIS 插件，支持数学强化学习（GRPO/CISPO）和智能体搜索强化学习（GRPO/DAPO/GSPO）训练方案，代码已在 GitHub 开源，配套论文发布于 arXiv:2607.04728。