You.com、NVIDIA 与 CoreWeave 直播演示 RL 权重热加载部署方案

You.com、NVIDIA 和 CoreWeave 将在 11 月 19 日（下周四）进行一场实操直播，解决 RL 训练中的工程瓶颈：每隔几小时更新策略后，如何在不中断推理服务的情况下把新 checkpoint 加载到推理 worker 上。 演示基于 NVIDIA Nemotron 3.5 Lightning 模型，使用 RL Rollouts 和 NVIDIA Dynamo 在 CoreWeave 基础设施上完成 checkpoint 热加载与 on-policy 权重切换。在 NVIDIA HGX B200 上的实测结果是准确率提升 22.94%，工具调用次数减少 30.24%。 对做 RL 训练部署的工程团队来说，这类 on-policy 权重同步是生产环境的核心难点，直播会给出具体蓝图、计算成本和前后对比 trace。