标签: "RL"

长序列 MoE RL 训练：从第一性原理到 MI300X

从第一性原理重新推导 Yan Bai 的长序列 MoE RL 优化（Path B 重计算、 linear cross-entropy、 FSDP2、 chunked expert-parallel overlap），以及它们在 AMD MI300X / MI355X 上各自意味着什么。

NeMo-RL vs slime：RL 训练框架对比

两个主流 RL 训练框架的深度对比：算法、工程质量、MoE 支持、ROCm 兼容性

TritonForge：面向多轮 Agent 任务的 Server-based RL 训练与评测闭环

基于 slime + Megatron 的端到端 Server-based RL 框架，聚焦 Triton 内核生成，支持 NVIDIA 与 AMD 双生态

SFT 与 RL 训练指南

SFT 和 RL 的核心区别、Loss 计算、数据构建到 RLHF 实战的完整指南