后训练章节追问
Tool-use RL 最难的地方是什么？
原题MCP 为什么会提升 Agent 训练价值？
原题为什么 Test-Time Compute 对数学和代码特别有效？
原题MCTS 里 LLM 和 PRM 分别扮演什么角色？
原题Flash Attention 和标准 Attention 输出完全一样吗？
原题为什么 Speculative Decoding 能保证输出分布不变？
原题量化后推理速度一定更快吗？
原题PD 分离的核心收益是什么？
原题ZeRO、TP、PP 的本质区别是什么？
原题为什么 BF16 逐渐取代 FP16 成为训练默认值？
原题
暂无题目