模型采样与 RL · X智算

模型采样（Rollout）

提交模型推理 / 采样作业，分布式算力并行生成轨迹，内置验证层自动剔除不可信结果。节点侧 llama.cpp + GGUF（默认 Qwen2.5-0.5B，Q4 约 0.46GB，魔搭懒加载）。

小模型 RL 训练

消费验证层过滤后的 accepted 轨迹，对小模型（Qwen2.5-0.5B）做策略梯度更新，训完导出 GGUF 下推节点侧 llama.cpp，RL 闭环打通。