从 TIS 到 score centering，重新理解 LLM RL 中的训推不一致

已收录文章摘要，完整内容可前往原文阅读。

过去一段时间，SC算法比较火热。借这个机会，正好学习了下SC论文中的公式推导，并复习了下之前一些TIS的相关论文，借这篇文章系统梳理一下LLMRL中的TIM（TrainingInferenceMismatch）问题的根源以及解决方法。为什么关注on-policyLLMRL