当我们训练好了一个verl 检查点之后，如何用它来评估我们在测试集上的指标？
特别是涉及到工具调用的Agent训练，如果直接部署API，那么还需要搭建ReAct流，开发成本比较大。
个人觉得比较简单的一种方法为：
- 将测试集处理为verl 适配的parquet文件格式
- 开发对应的奖励函数（一般直接复用准确率奖励就好）
- 将验证集的地址改为测试集parquet地址
- 在训练脚本
python -m verl.trainer.main_ppo命令之后，加上下面两行就好，表示模型不会进行训练，而是会评估验证集的表现。
trainer.val_before_train=True \ # 进行训练前验证trainer.val_only=True # 仅验证模式