已收录文章摘要，完整内容可前往原文阅读。
智猩猩AI整理编辑：BugMaker大模型强化学习训练里，有一个问题很容易藏在系统底层。Rollout端负责生成样本，训练端拿到这些数据后再计算一次。同一套模型、同一份权重，两边算出来的对数概率（Lo