框架架构

Screenshot_20251107_064753_tv.danmaku.bili.jpg

Screenshot_20251107_064905_tv.danmaku.bili.jpg

Screenshot_20251107_064950_tv.danmaku.bili.jpg

Screenshot_20251107_065015_tv.danmaku.bili.jpg

Screenshot_20251107_065107_tv.danmaku.bili.jpg

Screenshot_20251107_065227_tv.danmaku.bili.jpg

Screenshot_20251107_065255_tv.danmaku.bili.jpg

Screenshot_20251107_065323_tv.danmaku.bili.jpg

RLVR

Screenshot_20251107_065444_tv.danmaku.bili.jpg

Screenshot_20251107_065547_tv.danmaku.bili.jpg

Screenshot_20251107_065826_tv.danmaku.bili.jpg

Screenshot_20251107_065903_tv.danmaku.bili.jpg

Screenshot_20251107_090438_tv.danmaku.bili.jpg

Screenshot_20251107_090516_tv.danmaku.bili.jpg

Agentic 异步 Rollout *

Screenshot_20251107_090636_tv.danmaku.bili.jpg