#RL rollouts

做智能体评测、合成数据或 RL rollout 的团队值得看这篇。它把推理和环境调 preferring 调度放在一起优化，在 Ling-3.x 上实测 makespan 最多降 65%，分数不掉。如果你被批量跑任务太慢困扰，CAAS 那部分思路可以直接借鉴。