RL 目標校正

深度分析

vLLM V1 移轉實務：先修正推論後端再校正強化學習目標

ServiceNow-AI在將推論引擎從vLLM V0升級至V1時，發現logprob計算不一致，導致RL訓練指標偏離。團隊先修正四項後端行為，包括processed_logprobs、執行時預設、即時權重更新與fp32lm_head，最終使指標回到V0水平。