wxgmjfhy
记录技术学习、项目实践，以及一些零散的思考。
文章
RL 异步 rollout
从 RL 基础、IMPALA/V-trace、Partial Rollout、AReaL，到 DeepSeek V4.1 / GLM-5.3 / MiMo V2.6 / Kimi K3 的异步 rollout 方案调研与总结。
记录技术学习、项目实践，以及一些零散的思考。
从 RL 基础、IMPALA/V-trace、Partial Rollout、AReaL，到 DeepSeek V4.1 / GLM-5.3 / MiMo V2.6 / Kimi K3 的异步 rollout 方案调研与总结。