训练与算法# 理解训练目标、精度、并行方式与显存。 从策略梯度到训推一致性 卡数、显存与并行方式 低精度训练与 Rollout Reproducibility 在策略蒸馏 (On-Policy Distillation) Megatron Config：按角色覆盖训练参数 在 Megatron-LM 中快速支持新模型架构
